Java 获取html文档中包含word的节点

我想写一个脚本来检查 用于关键字的文档，并指定包含这些关键字的html文档节点（可能是 分配唯一标识符）

我不是一个专业的程序员，也不知道低级语言的力量​​还有像巴解组织这样的事情。。我害怕做一些非常糟糕的事，而且没有人支持

如何隔离所需的节点

我的经验-js和php-php只适用于非常简单的事情。还有，我 不想利用这个机会工作 使用js节点。我的想法：

• 生成html字符串的步骤
• 验证页面上的单词是否存在
• 如果页面上的单词存在：body元素中的foreach节点我得到第一个和最后一个位置 （例如，我们看到最初知道的每个字符的开头标记。） 位置，因此我们计算第一个 标记打开的位置和最后关闭的位置（对于所有节点，依此类推）

我们知道这个词的位置（如192， 199）并检查它的范围（在此 例如，这些带区-节点（html文档）

我需要有经验的程序员的想法。 你说什么语言并不重要 编程（面向web的除外）- 每个意见对我都很重要。很可能 有一些库可以解决这些问题 问题。我非常希望你会 理解我。英语不是我的母语

---

语言。

您需要使用html解析器。提及

在这之后，您需要使用xpath特性来提取任何节点。

我一直建议您这样做。它是一个Python库，允许您非常快速地解析XML/HTML文档。您可以很快地运行一些东西，从我认为的每个div元素中提取文本。然后使用Pythons内置的字符串操作工具，我相信搜索特定的单词会相当简单