使用 StringUtils 的 substringBetween() 方法获取两个标签之间的文本

Question

我有一个输入，如：<address>    <addressLine>280 Flinders Mall</addressLine>    <geoCodeGranularity>PROPERTY</geoCodeGranularity></address><address type="office">    <addressLine>IT Park</addressLine>    <geoCodeGranularity>office Space</geoCodeGranularity></address>我想捕获地址标签之间的所有内容。我试过：File file = new File("test.html");String testHtml = FileUtils.readFileToString(file); String title = StringUtils.substringBetween(testHtml, "<address>", "</address>");这并不适用于所有情况，因为地址标签可能包含一些属性。请帮助如何获取此类字符串的文本。

Answer 1

一般来说，你应该不使用正则表达式来解析HTML / XML的内容。相反，使用像 XPath 这样的解析器。鉴于您似乎无法使用解析器，我们可以使用模式匹配器尝试以下选项：

int count = 0;

String input = "<address>\n<addressLine>280 Flinders Mall</addressLine>\n    <geoCodeGranularity>PROPERTY</geoCodeGranularity>\n</address>\n<address type=\"office\">\n    <addressLine>IT Park</addressLine>\n    <geoCodeGranularity>office Space</geoCodeGranularity>\n</address>";

String pattern = "<address[^>]*>(.*?)</address>";

Pattern r = Pattern.compile(pattern, Pattern.DOTALL);

Matcher m = r.matcher(input);

while (m.find( )) {

    count += m.group(1).length();

    System.out.println("Found value: " + m.group(1) );

}

System.out.println("count = " + count);  

这会为<address>您的示例数据中的两个标签找到 198 的计数。

要使用 a 进行这项工作，BufferedReader您可能必须确保一次读取一个完整的<address>标签。

Answer 2

您可以将文件转换为字符串，并可以确定所需子字符串的开始和结束索引，如下所示：

import java.io.File;

import java.io.IOException;

import java.nio.file.Files;

import java.nio.file.Paths;

public class Address {

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

        // Complete File Path

        File dir =

            new File("\\..\\..\\Test.html");

        // Convert File Data As String

        String data =

            new String(

                Files.readAllBytes(Paths

                    .get(dir

                        .getAbsolutePath())));

        // For Loop to get all the <address> tags in the file.

        for (int index = data.indexOf("<address"); index >= 0;) {

            // Start Index

            int startIndex = data.indexOf(">", index + 1);

            ++startIndex;

            // End Index

            int indexOfEnd = data.indexOf("</address>", startIndex + 1);

            String attributesString = data.substring(startIndex, indexOfEnd);

            // Replace below line with desired logic with calling trim() on the String attributesString

            System.out.println(attributesString);

            // Next Address will be after the end of first address

            index = data.indexOf("<address", indexOfEnd + 1);

        }

    }

}

Answer 3

while (scan.hasNextLine()) {

        parser = scan.nextLine();

        // System.out.println(parser);

        if (parser.equals("<adress>")) {

            parser = scan.nextLine();

            // System.out.println(parser);

            int startPosition = parser.indexOf("<adressLine>") + "<adressLine>".length();

            int endPosition = parser.indexOf("</adressLine>", startPosition);

            idNumber = parser.substring(startPosition, endPosition);

            parser = scan.nextLine();

            int startPosition1 = parser.indexOf("<geoCodeGranularity>") + "<geoCodeGranularity>".length();

            int endPosition1 = parser.indexOf("</geoCodeGranularity>", startPosition1);

            time = parser.substring(startPosition1, endPosition1);

            parser = scan.nextLine();

…… 算法一定是这样的。如果你阅读文件。