java - 使用正则表达式从 HTML 标签中抓取文本

Question

我正在尝试从 HTML 标签中读取一些内容，但在涉及正则表达式时我完全是个傻瓜(我已经使用了一些模式，但似乎都没有用)。

我正在阅读网页，查看这一行:<td title='Visit Page for Demilict'><a href='personal.php?name=Demilict&amp;c=s' class='idk' rel='Demilict' style='color: teal;'>Demilict</a></td>

我需要从那里提取“Demilict”，如您所见，有 3 次这样做的机会。

从哪个位置提取它最好，我将如何实现？

我也使用它来查找名称，因为我需要提取大约 60 个不同的名称，它们都使用相同的格式，除了名称只能包含字母数字和下划线。

public void parse(String list) {
    try {
        URL url = new URL(list);
        BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(url.openStream()));
        String line;
        StringBuilder stringBuilder = new StringBuilder();
        while ((line = bufferedReader.readLine()) != null) {
            stringBuilder.append(line).append("\n");
        }
        System.out.println(stringBuilder.toString());
        Matcher matcher = namePattern.matcher(stringBuilder.toString());
        if (matcher.find()) {
            System.out.println("matched: " + matcher.group());
        }
    } catch (MalformedURLException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

Answer 1

<a.*?>(\w+)</a>将抓取 <a ...> 之间的文本和 < /a>并将其放入第一组；但正如其他人所说，正则表达式可能不是这里的最佳选择。

编辑:首先将 + 更改为 *，因为 0 个字符是有效的。还删除了第二个？根据下面的评论。