Html代码清除器

Question

是否有任何库或方法来输入一个字符串与HTML代码，并有一个返回值另一个字符串没有这个HTML代码，只是信息？
我正在看图书馆，如JTidy，或HtmlParser，但我不知道如何使用它！ 更容易？

Answer 1

HTML Screen Scraping Tools Written in Java

Answer 2

这将删除给定字符串中的所有HTML标记。

String html = //... 
html = html.replaceAll("</?.*?>", ""); 

但是，如果你正在寻找屏幕刮，你可以使用XPath拉出HTML的特定部分：

StreamSource source = new StreamSource(new StringReader(html)); 
DOMResult result = new DOMResult(); 
Transformer transformer = TransformerFactory.newInstance().newTransformer(); 
transformer.transform(source, result); 
Node root = result.getNode(); 

XPath xpath = XPathFactory.newInstance().newXPath(); 

String value = xpath.evaluate("/the/xpath/expression", root);