java - 需要特定的弦乐部分

Question

我正在做一个应用程序，它应该获取整个 website-html 文本并将其放入字符串中。然后我想使用 System.out.println 来显示该字符串的一个特定片段。我的代码

import java.net.*;
import java.io.*;

public class URLConnectionReader {
    public static void main(String[] args) throws Exception {

        URL oracle = new URL("www.example-blahblahblah.com");
        BufferedReader in = new BufferedReader(
        new InputStreamReader(oracle.openStream()));

        String inputLine;
        while ((inputLine = in.readLine()) != null)

       System.out.println(inputLine.substring(inputLine.indexOf("<section class=\"horoscope-content\"><p>")+1, inputLine.lastIndexOf("</p")));

        in.close();
    }
}

它应该显示下面输入的文本:

<section class="horoscope-content">
    <p>Text text text text</p>

相反，我有这个:

线程“main”中的异常java.lang.StringIndexOutOfBoundsException:字符串索引超出范围:-1 在 java.lang.String.substring(来源未知) 在 URLConnectionReader.main(URLConnectionReader.java:14)

我该怎么办？

Answer 1

您应该使用更具包容性的正则表达式而不是 indexOf，以便在对输入进行细微修改时更加稳定:

Pattern pattern = Pattern.compile("<section\\s+class\\s*=\\s*\"horoscope-content\"\\s*>\\s*<p>(.*?)</p>", Pattern.DOTALL);
Matcher matcher = pattern.matcher(line);
if (matcher.find()) {
    System.out.println(matcher.group());
    System.out.println("Text in paragraph: " + matcher.group(1));
}

这将容忍换行符和其他空白字符。