Java 从html页面提取锚定标记周围文本的正则表达式

有没有办法提取html页面中锚定标记周围的文本？我在java中工作，我的研究需要我提取标记中及其周围的数据。我已经尝试过搜索，我发现所有正则表达式只提取锚文本，而不提取锚文本周围的单词。

正则表达式不是解析html的方法，而是..
如果你必须有一个正则表达式的话，那么它又快又脏

“（[^]*）（[^]*）（[^]*）”

（[^]*）#（1）
( [^]* )         # (2)
( [^]* )         # (3)

“是否有

方法提供锚文本前后的字符数”

当然。您可以提供min/max

{m，n}

或exact

{exact}

或混合物。
例如：

---

在=5之前，在=5到10之后

“（[^]{5}）（[^]*）（[^]{5,10}）”

前=1到无限制，后=0到10

“（[^]{1，}）（[^]*）（[^]{0,10}）”

---

---

还有许多其他可能的变化，包括混合文字

……不会再。。。为什么不直接使用语法分析器呢？改用HTML语法分析器。另外，请参阅Luiggi的链接。除非数量很少且非常有名，否则我不会使用正则表达式解析html。我推荐像jsoup这样的东西，它是一个专门用于web解析的库。你所说的环绕标签到底是什么意思？这是否意味着您想知道嵌套标签旁边的标签是什么？您也可以考虑使用解析器将HTML呈现为纯文本。这更有意义：）是否有办法提供锚文本前后的字符数？？

 ( [^<>]* )         # (1)
 <a>
 ( [^<>]* )         # (2)
 </a>
 ( [^<>]* )         # (3)