java - 使用模式匹配器提取html

Question

我有一张 HTML:

<div class="content" itemprop="softwareVersion"> 2.3  </div> 

(这是我的应用程序在 Play 商店中的版本)我想做的是使用模式匹配获取最新版本。

到目前为止我所拥有的匹配模式是:

String htmlString = "Some very long webpage string that includes the above tag"
Pattern pattern = Pattern.compile("softwareVersion\"> [^ <]*</dd");
Matcher matcher = pattern.matcher(Html);
matcher.find();

我现在如何从 htmlString 中提取 2.3 ？

Answer 1

使用 JSoup xhtml 解析器

众所周知，您不应该使用正则表达式解析 xhtml，除非您知道要解析的 html 字符集。您应该使用 xhtml 解析器，例如 JSoup。所以，你可以使用这样的东西:

 String htmlString = "YOUR HTML HERE";
 Document document=Jsoup.parse(htmlString);
 Element element=document.select("div[itemprop=softwareVersion]").first();
 System.out.println(element.text());

正则表达式方法

但是，如果您想使用正则表达式，则必须使用捕获组，然后获取其内容。

String htmlString = "Some very long webpage string that includes the above tag"
Pattern pattern = Pattern.compile("softwareVersion\"> ([^ <]*)</dd");
                                               //     ^------^ Here
Matcher matcher = pattern.matcher(htmlString);
while (matcher.find()) {
    System.out.println(matcher.group(1));
}