提取錨文本週圍的文字

Question

我需要幫助使用java代碼來提取一些圍繞html內容的錨文本的文字。特別是前後兩個錨文本（HTMl塊級元素包括標點符號）。

Answer 1

你可以使用regular expression這個。

Answer 2

你想從href創建新的URL（）並只獲得主機部分？看看這個班級。

要找到錨點並獲取href屬性，我推薦Jericho庫。當我需要解析HTML/XML樣本並且不需要XML驗證時，我總是使用它。它使用起來快速簡單，並且在項目頁面上有很多例子。