java - 如何从网页打印数据？不是页面的html代码。

Question

在 java 中，我正在尝试阅读网页。我只想打印页面的数据。但是我的代码正在打印整个 html 代码。看起来很奇怪。我可以看到我想要的确切数据隐藏在 html 中。我怎样才能摆脱打印html代码？这是我的代码:

URL url = new URL("http://www.rxbd.info/Controller/Controller?action=details&drug=zorubicin&group=generic");
URLConnection con = url.openConnection();
InputStream is =con.getInputStream();
BufferedReader br = new BufferedReader(new InputStreamReader(is));
String line = null;
while ((line = br.readLine()) != null ) {
    System.out.println(line);
}

Answer 1

看看Jericho . Renderer类可以将原始 HTML 渲染为文本，TextExtractor 类可以只提取文本。