Java Строковые Операции над HTML теги

Question

У меня есть Java строку с текстом и HTML:

<title>test title</title> 
blabla bla more text 

То, что я пытаюсь достичь два раза:

1) Получить содержимое <title></title> и сохранить это в отдельной строке.

2) Удалите эту часть исходной строки: <title>test title</title>

Таким образом, конечный результат будет что-то вроде

originalString:

<title>test title</title> 
blabla bla more text 

NewString:

blabla bla more text 

PAGETITLE : test title

Как я могу это достичь? обычные выражения? Я не могу это понять ...

Answer 1

Don't use regular expressions to parse HTML! Попробуйте использовать JTidy или any of these парсеров HTML с открытым исходным кодом для Java, соответствующих вашим требованиям.

Использование этих библиотек упростит вашу жизнь, поскольку они предназначены для анализа HTML. Вы можете захватить нужные узлы и извлечь из них текст.

Answer 2

Это, как вы бы использовать регулярное выражение для извлечения текста между тегами заголовков:

String s = "<title>test title</title>"; 
    Pattern p = Pattern.compile("<title>(.*?)</title>"); 
    Matcher m = p.matcher(s); 
    while(m.find()){ 
     System.out.println(m.group(1)); 
    } 

Answer 3

It is inadvisable to parse XML/HTML with regular expressions. Однако, если вы абсолютно необходимо сделать, это вещь, которую вы попросили, попробуйте следующее:

package org.apache.people.mclark.examples.regex; 
import java.util.regex.*; 
public class Regex1 { 
    public static void main(String[] args) { 
     final String subjectString = "<title>test title</title>\n" + 
      "blabla bla more text"; 
     Pattern regex = Pattern.compile("<title>(.*?)</title>(.*)", 
       Pattern.DOTALL); 
     Matcher regexMatcher = regex.matcher(subjectString); 
     if (regexMatcher.find()) { 
      String pageTitle = regexMatcher.group(1); 
      String leftOvers = regexMatcher.group(2); 
      System.out.println("pageTitle[" + pageTitle + "]"); 
      System.out.println("leftOvers[" + leftOvers + "]"); 
     } else { 
      System.out.println("no match"); 
     } 
    } 
} 

Я умываю руки от любого проступка!