从HTML页面中获取特定行并放入String

Question

我正在尝试从此网页解析html的特定区域：

http://en.wikipedia.org/w/api.php?action=parse&page=Ringo_Starr&prop=text&section=0&format=txtfm&disablepp&redirects

[请注意，这不是源页面，它显示html标签，但我对此页面的实际来源感兴趣（Ctrl + u）]。

具体来说，我希望将所有行开头：

<span style="color:blue;">&lt;p&gt;</span>

成一个字符串。

以下是我试图解决的问题 - 但我似乎离开了：

      Document doc = Jsoup.connect("http://en.wikipedia.org/w/api.php?action=parse&page=Ringo_Starr&prop=text&section=0&format=txtfm&disablepp&redirects").get();   
      Elements elements = doc.select("span");
      for (Element e : elements) {
           if(e.text().equals("<p>")){
               System.out.println("now get that whole line");
           }
     }

注意：我在这里使用jsoup - 但直接正则表达式会更有效吗？

Answer 1

直接的正则表达式可能是一个更好的主意。试试这个开头：

Pattern pat=Pattern.compile("^<span style=\"color:blue;\">&lt;p&gt;</span>.+&");

在这里，^开始行，<span style="color:blue;">&lt;p&gt;</span>按字面匹配，然后我们有一个或多个non-line-terminator characters：

  

正则表达式。匹配除行终止符以外的任何字符，除非指定了DOTALL标志。

，$指定行尾。

Answer 2

难道你不能写

System.out.println(e.nextElementSibling().text())

你还必须检查

e.attr("style").equals("color:blue;")