Question

我必须从html代码的标记中提取一些整数。例如，如果我有：

< tag blabla="title"><a href="/test/tt123> TEST 1 < tag >

我做了删除所有字符并只留下数字，直到标题名称中还有另一个数字，所以我得到了＃34; 1231＆＃34;。

str.replaceAll("[^\\d.]", "");

如何才能仅提取＆＃34; 123＆＃34;整数？？谢谢你的帮助！

Answer 1

Jsoup是一个很好的api来玩html。使用它你可以做

String html = "<tag blabla=\"title\"><a href=\"/test/tt123\"> TEST 1 <tag>";
Document doc = Jsoup.parseBodyFragment(html);
String value = doc.select("a").get(0).attr("href").replaceAll("[^\\d.]", "");
System.out.println(value);

Answer 2

你可以这样做（一种删除任何数字中所有重复项的方法）：

int[] foo = new int[str.length];
for(int i = 0; i < str.length; i++) {
    foo[i] = Integer.parseInt(str.charAt(i));
}

Set<Integer> set = new HashSet<Integer>();

for(int i = 0; i < foo.length; i++){
  set.add(foo[i]);
}

现在你有了一个集合，其中删除了任何字符串中的所有重复数字。我没看到你最后的评论。所以这个答案对你来说可能不是很有用。你可以做的是foo数组中的三个第一个数字，它们将给你123.

Answer 3

首先使用XPath来解析href值，然后应用replaceAll来达到您想要的效果。

您无需下载任何其他框架或库，以便实现此目的。

这是一个关于其工作原理的快速演示课程：

package com.example.test;

import java.io.StringReader;

import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathConstants;
import javax.xml.xpath.XPathExpressionException;
import javax.xml.xpath.XPathFactory;

import org.xml.sax.InputSource;


public class Test {


    public static void main(String[]args){

        String xml = "<tag blabla=\"title\"><a href=\"/test/tt123\"> TEST 1 </a></tag>";

        XPath xPath = XPathFactory.newInstance().newXPath();

        InputSource source = new InputSource(new StringReader(xml));

        String hrefValue = null;
        try {
            hrefValue = (String) xPath.evaluate("//@href", source, XPathConstants.STRING);
        } catch (XPathExpressionException e) {
            e.printStackTrace();
        }

        String numbers = hrefValue.replaceAll("[^\\d.]", "");

        System.out.println(numbers);

    }

}

Java - HTML代码：提取标记的一部分

3 个答案: