Question

我知道我在这里可能是非常愚蠢的，但任何人都能解释我的问题吗？我正在尝试从包含html的字符串中提取标题...

 public static void main(String args[]) {
  System.out.println(getTitle("<title>this is it</title>"));
 }

 public static String getTitle(String a) {
  StringTokenizer token = new StringTokenizer(a, "<title>", false);
  return token.nextToken("</title>");
 }

继续返回“h”，我无法理解为什么！我天真？

干杯

Answer 1

我认为你的问题就在这里（引自the API doc，由我加粗的文字）：

“分隔符组（分隔标记的字符）可以在创建时或基于每个标记指定。”

也就是说，分隔符不是字符串，而是一组字符。当您将"<title>"作为第二个参数传递时，您告诉您的令牌系统分隔符是任何字符<，t，i，{ {1}}，t，l或e。因此，标记生成器会尽职地跳过第一个标记中的所有字符，然后>，并返回t，因为它不在您提供的标记集中，而是下一个字符（h ）是。

所以e不是你需要的。另请注意API文档中的这句话：

“StringTokenizer是一个遗留类，出于兼容性原因而保留，但在新代码中不鼓励使用。建议所有寻求此功能的人使用StringTokenizer split方法或改为String包。“

或者使用第三方库，正如其他人所指出的那样。

Answer 2

我不确定StringTokenizer是否是在您的方案中使用的最佳类。也许你可以使用String.subString（int，int）来解决你的任务。正如BearsWillEat所示，如果您想进行更复杂的HTML解析，请使用一些第三方库。

public static void main(String args[]) {
    System.out.println(getTitle("<title>this is it</title>"));
}

public static String getTitle(String a) {
    return a.substring(a.indexOf("<title>") + "<title>".length(), a.indexOf("</title>"))
}

Answer 3

您指定的分隔符是“”，这是空字符串。在你的字符串开头的“t”和“h”之间有一个空字符串，因此nextToken返回“t”。这是正常的，并按指定的方式工作。见http://java.sun.com/j2se/1.4.2/docs/api/java/util/StringTokenizer.html

Answer 4

你不能这样使用StringTokenizer。请参阅javadoc http://java.sun.com/j2se/1.4.2/docs/api/java/util/StringTokenizer.html

delims参数包含在字符串中被视为分隔符的字符集。因此，在这里，你有“＆lt;”，“t”，“i”，...作为分隔符。

对于那种工作，你真的应该考虑使用html或xml专用库。你也可以使用“＆lt;＆gt;”作为分隔符，并根据您的需求实现极简主义的HTML解析器，但是一旦您的最小需求延伸，这可能会导致错误，头痛和更多错误。

Answer 5

如果要解析HTML，最好的方法可能是HTML Cleaner, according to this SO post。

我建议使用此特定于域的库，因为它还可以让您在需要时轻松扩展应用程序的功能。或者如果它还在解析HTML，请帮助您使用另一个应用程序。

Java StringTokenizer麻烦 - 新手

5 个答案: