Java 如何从网页中提取特定文本？

我正在尝试从网页中提取特定文本

这是包含特定文本的网页部分：

<div class="module">
<div class="body">
<dl class="per_info">
<dt>F.Name:</dt>
<dd><a class="nm" href="http://">a Variable Name1</a></dd>
<dt>L.Name:</dt>
<dd><a class="nm" href="http://">a Variable Name2</a></dd>
</dl>
</div>
</div>

F.姓名：
L.姓名：

如何提取变量Name1和变量Name2的内容

---

是否有html解析器可以执行此提取？

好的，您可以尝试Selenium，它以DOM感知的方式将html页面加载到java代码中，这样之后您就可以根据id、xpath等选择html元素的内容

是一种兼容SAX的解析器，能够解析“野生”中的HTML。因此不需要格式良好的XML。

是一个Java库，可以解析HTML和提取元素数据。要使用jsoup，首先通过从文件、URL、整个文档字符串或HTML片段字符串解析jsoup文档来创建jsoup文档。HTML示例如下所示：

String html = "<div class='module'>" +
    "<div class='body'>" +
    "<dl class='per_info'>" +
    "<dt>F.Name:</dt>" +
    "<dd><a class='nm' href='http://'>a Variable Name1</a></dd>" +
    "<dt>L.Name:</dt>" +
    "<dd><a class='nm' href='http://'>a Variable Name2</a></dd>" +
    "</dl>" +
    "</div>" +
    "</div>";
Document doc = Jsoup.parseBodyFragment(html);

---

+1：最后有人要求解析器解析HTML，而不是要求正则表达式。另一个+1表示不要求正则表达式。

// select all <a/> elements from the document
Elements anchors = doc.select("a")

for (Element anchor : anchors) {
    String contents = anchor.text();
    System.out.println(contents);
}