如何检测HTML页面中的不同数据类型？

Question

使用Java工具DOM API、regexp等检测html页面中的数据类型的最佳方法是什么？我想要像skype插件一样检测电话/skype号码的类型，类似于地址，电子邮件，时间等。

Answer 1

“类型”这个词不适合用来描述你所指的那种信息。DOM API或regex的选择取决于页面中的信息结构。

如果您了解其结构(例如，用于显示信息的表，您已经知道可以从哪个单元格查找电话号码和电子邮件地址)，那么使用DOM是有意义的。

否则，您应该在纯HTML文本上使用regex，而不对其进行解析。

Answer 2

我将按以下顺序使用正则表达式：

1. 仅提取正文内容
2. 移除所有标记以仅保留纯文本
3. 匹配文本中的相关模式

当然，这假设标记不提供提示，并且您只是提取数据，而不是修改页面上下文。

希望这能帮上忙

菲尔·莱洛