解析字符串

Question

< A HREF =“http://www.google.com”>谷歌</A> < BR /> //无空格

我试图提取路段http://www.google.com以及文本谷歌

Answer 1

这应该做的工作。

String url = "<a href=\"http://www.google.com\">Google</a><br/>"; 
    String[] separate = url.split("\""); 
    String URL = separate[1]; 
    String text = separate[2].substring(1).split("<")[0]; 

Answer 2

你可以使用一个简单的正则表达式来提取它。尝试这个。

String s = "<a href=\"http://www.google.com\">Google</a><br/>"; 
Pattern pattern = Pattern.compile("<a\\s+href=\"([^\"]*)\">([^<]*)</a>"); 
Matcher matcher = pattern.matcher(s); 
if (matcher.find()) { 
    System.out.println(matcher.group(1)); 
    System.out.println(matcher.group(2)); 
} 

Answer 3

我在我的网络爬虫中使用了过滤器API，它完美地工作。

下面是API代码：

public static String filterHref(String hrefLine) 
{ 
    String link = hrefLine; 
    if (!link.toLowerCase().contains("href")) 
     return ""; 
    String[] hrefSplit = hrefLine.split("href"); // split href="..." alt="...">...<...> 

    link = hrefSplit[ 1 ].split("\\s+")[ 0 ]; // get href attribute and value 
    if (link.contains(">")) 
     link = link.substring(0, link.indexOf(">")); 
    link = link.replaceFirst("=", ""); 
    link = link.replace("\"", "").replace("'", "").trim(); 
    return link; 
}