如何使用正则表达式在html中查找文本

Question

我想在正确的html文件中找到所有文字。 例如：

<div style="color: red;">text<span>another text</span>another text<img src="some_image"/></div>

我怎么能在java中做到这一点？

Answer 1

正如所指出的，Regex是一个坏主意。我认为解析HTML可能是最知名的库jSoup而且MK Yong的一个非常好的教程是here

Answer 2

尝试Apache Tika http://tika.apache.org/0.7/gettingstarted.html

使用Tika for .html的示例：How can I use the HTML parser with Apache Tika in Java to extract all HTML tags?