java - 如何从网页中获取特定文本

Question

我在 stackoverflow 和 google 上寻找过这个问题的答案，但没有真正找到我想要的东西。

当我想使用此代码从页面(例如此页面)检索数据时

public class ConsoleSearch {

    public static void main(String[] args) throws IOException {

        URL url = new URL("http://www.stackoverflow.com");
        URLConnection cnt = url.openConnection();
        BufferedReader br = new BufferedReader(new InputStreamReader
(cnt.getInputStream()));
        String content;

        while((content = br.readLine()) != null){   
            System.out.println(content);
        }
        br.close();
    }

}

我显然得到了 HTML 标签，以及它附带的所有其他内容。我可以使用 HtmlCleaner 轻松过滤 HTML具有挑战性的部分是当我想从所有检索到的数据中检索特定文本时，我发现自己陷入了困境。

例如，如果我只想检索文本“新斯科舍省”和/或“欧洲”...我该怎么做？

Answer 1

Pattern p = Pattern.compile("Nova Scotia"); 
    Matcher m = p.matcher(content);
    boolean b = m.matches();

只需查看上面的正则表达式包，它会对您有所帮助。