0

やあ、

divタグ間のテキストを抽出したい

<div class="innercontenttxt"> 
<p>img border="1" align="left" height="170" width="324" vspace="3" hspace="2" src="/tmdbuserfiles/ramdev-balakrishna(1).jpg" alt="ramdev aide remanded, lakrishna acharya judicial remand, ramdev aide fake passport case, baba ramdev assistant judicial custody, balakrishna sent to judicial custody, yoga guru ramdev assistant remanded, yoga guru ramdev assistant balakrishna" />
Yoga guru Ramdev's aide Balakrishna Acharya remanded to 14 days judicial custody in a fake passport on Saturday. He was arrested yesterday after he failed to appear at a Dehradun court.
    <br />
    <br />
     Balakrishna Acharya, who is basically a Nepalese citizen, 
     is alleged to have submitted fake documents to procure a passport. 
     When he failed to appear in Dehradun court in connection with the case,
</p>  
</div>

結果を抽出した後、次のようになります。

ramdev 補佐官 alakrishna Acharya は、土曜日に偽造パスポートで 14 日間の司法拘留に差し戻されました。彼は昨日、デラドゥン裁判所に出頭しなかったために逮捕された。 基本的にネパール市民であるバラクリシュナ・アチャリヤは、パスポートを取得するために偽の書類を提出したと言われている. 彼が事件に関連してデラドゥン裁判所に出頭しなかったとき、裁判所は保釈不能の令状を発行し、その後昨日彼を逮捕した.

4

2 に答える 2

1

この問題は、この他の質問に似ているようです。

htmlPage という文字列変数に html ソースが既に格納されていると仮定します。

int divIndex = htmlPage.indexOf("<div");
divIndex = htmlPage.indexOf(">", divIndex);

int endDivIndex = htmlPage.indexOf("</div>", divIndex);
String content = htmlPage.substring(divIndex + 1, endDivIndex);
于 2012-07-26T14:59:55.117 に答える
1

Java HTML パーサー ライブラリのいくつかを試してみることをお勧めします。

HTML パーサー - http://htmlparser.sourceforge.net

jsoup - http://jsoup.org/

于 2012-07-26T04:52:56.433 に答える