Java 如何从带有标记的字符串行中提取变量数据？

我正在尝试编写Java代码来访问一个网站，逐行阅读HTML代码，提取某些数据片段，包括一个嵌入式URL以访问另一个网站，并重复该过程100次。 我已经能够使用以下表达式隔离我需要的大部分数据片段：

s.ranking = line.substring(line.indexOf(">")+1, line.length() -7);

但我对以下几行有问题：

<strong>Writer:</strong> Dylan <br/><strong>Producer:</strong> Tom Wilson&nbsp <br/><strong>Released:</strong> July &#039;65, Columbia<br/>12 weeks; No. 2</p>  

作者：迪伦
制作人：汤姆·威尔逊
发布日期：7月和#039；65，哥伦比亚
12周；第二名

我需要提取并保存写入程序数据（Dylan）。制片人数据（Tom Wilson）和发行日期数据（65年7月）。有些页面将有多个编写器并标记为“编写器：”，有些页面将有多个制作者，标记为“制作者：”：

如何在Java中从上述行中捕获“Dylan”、“Tom Wilson”和“July'65”

多谢各位！

---

DM

最好的方法是使用HTML解析器。但当我读到你的评论时，“我做这件事是为了一门课，我正在学习如何查找、隔离和提取数据。”

您可以做的事情如下：

String producer = "Producer:";
String writer = "Writer:";
String released = "Released:";

String s = "<strong>Writer:</strong> Dylan <br/><strong>Producer:</strong> Tom Wilson&nbsp <br/><strong>Released:</strong> July &#039;65, Columbia<br/>12 weeks; No. 2</p>  ";
int writerIndex = s.lastIndexOf(writer);
int producerIndex = s.lastIndexOf(producer);
int realesedIndex = s.lastIndexOf(released);

String writerExtracted = s.substring(writerIndex + writer.length(),
        producerIndex).replaceAll("\\<.*?>", "");
System.out.println(writerExtracted);

String producerExtracted = s.substring(
        producerIndex + producer.length(), realesedIndex).replaceAll(
        "\\<.*?>", "");
System.out.println(producerExtracted);

String releasedExtracted = s.substring(
        realesedIndex + released.length(), s.length()).replaceAll(
        "\\<.*?>", "");
System.out.println(releasedExtracted);

---

注意：您可以使用另一个正则表达式去除符号，如'或…

您尝试过HTML解析器，如jsoup吗？没有。我不熟悉HTML解析器。我在课堂上做这件事，学习如何查找、隔离和提取数据；不要为此使用正则表达式。使用HTML解析器。可能的重复基于上述注释，我宁愿使用HTML解析器，我只是不知道如何使用。在这个例子中，我如何解释“Producer:”和“Writer:”有时是复数？很简单，像“，”这样的词之间有分隔符吗？或者只是一个空格？

 Dylan 
 Tom Wilson&nbsp 
 July '65, Columbia12 weeks; No. 2