在Java中从HTML标记属性提取值

我最近接受了一项社区挑战，我正在尝试提取以下行中“rel”标记的值：

原因是这个挑战要求我从成员列表（具有与其帐户相关属性的人员列表）中提取多个用户的姓名。我不必使用正则表达式，但我觉得这是最好的。我看过一篇关于为什么正则表达式不好的经典文章，但我也看过一些文章说，将它用于类似的东西并不是一件坏事

以下是我迄今为止所做的工作：

public class Parser {

public static void main(String[] arguments) {
    new Parser().parse();
}

public void parse() {
    try {
        URL url = new URL("http://www.runehead.com/clans/ml.php?clan=ph_chat_ftw");
        BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(url.openStream()));
        String line;
        StringBuilder stringBuilder = new StringBuilder();
        while ((line = bufferedReader.readLine()) != null) {
            if (line.contains("Visit")) {
                stringBuilder.append(line).append("\n");
                System.out.println(line);
            }
        }
        Matcher matcher = Pattern.compile("\\?rel='([A-Za-z0-9_]*)'").matcher(stringBuilder.toString());
        while (matcher.find()) {
            System.out.println("matched: " + matcher.group(1));
        }
    } catch (MalformedURLException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

}

---

除了每个名字之外，我在那里的输出就是我在上面提供的。不过，匹配者什么也没找到。我能得到一些帮助吗？

使用合适的HTML解析库。我更喜欢，但还有很多其他的

在大多数情况下，使用正则表达式解析HTML比它的价值要痛苦得多。首先，这不仅很难做到，而且你提出的任何可行的方案都可能非常复杂，根本无法维护

---

使用jSoup获取

rel

属性：

String html = "<p>An <a href='http://example.com/' rel='someValue'><b>example</b></a> link.</p>";
Document doc = Jsoup.parse(html);
Element link = doc.select("a").first();

String text = doc.body().text(); // "An example link"
String linkRel = link.attr("rel"); // "someValue"

String html=“链接。
”；
Document doc=Jsoup.parse（html）；
Element link=doc.select（“a”）.first（）；
字符串text=doc.body（）.text（）；//“示例链接”
字符串linkRel=link.attr（“rel”）；//“某些价值”

Regex和HTML组合在一起就是这里的脏话。正则表达式在解析HTML或XML等非正则标记方面并不擅长

您最好使用HTML解析器库来实现这一点。在这里，似乎有人做了这件事，名字恰如其分

---

编辑：-或者jSoup也可以工作。有很多选择

您假设

rel

属性紧跟在

？

之后，但情况并非如此。您可以使用以下选项：

Pattern.compile("rel=\"([A-Za-z0-9_]*)\"")

这当然有效，但正如其他人所说，最好使用适当的HTML解析器。下面是一个例子：

---

这比您的正则表达式方法更干净（更安全（更灵活（更可维护））。

我之前查看过该库，但找不到任何实现。请你举个例子好吗？谢谢你给我举个例子。当我使用它时，它工作得很好！唯一的问题是它是这样打印的：

Sanyboi Sanyboi她是我的希望Sanyboi她是我的希望raeiden Sanyboi她是我的希望raeiden E1itez Sanyboi她是我的希望raeiden E1itez krunal930

整个文档。有没有办法一个接一个地打印它们（或者将它们放入ArrayList，每个索引都有一个名称）？编辑：没关系，我是在阅读数据的时候做的，这很好，非常感谢！谢谢你的贡献！

Document doc = Jsoup.connect(
    "http://www.runehead.com/clans/ml.php?clan=ph_chat_ftw").get();
Elements users = doc.select("a[rel]");
for (Element user : users) {
    System.out.println(user.attr("rel"));
}