Java正则表达式

Question

19040172b-1、SQL Server开发、、3-5,7-14、D-101，

​

<div id="AE9D7F630640426F8457A661607D2B8E-5-2" style="display: none;" class="kbcontent">
  19040172b-1
  <br>SQL Server Develop
  <br>
  <font title="teacher">zheng</font>
  <br>
  <font title="week">3-5,7-14</font>
  <br>
  <font title="classroom">D-101</font>
  <br>
 </div> 

​

我试过以下几种方法，但失败了。

1. Pattern pattern = Pattern.compile(">(.*?)<br>");

2. Elements msg = doc.select(":matchesOwn([>.*?<br>])");

Answer 1

String html = "<div id=\"AE9D7F630640426F8457A661607D2B8E-5-2\" style=\"display: none;\" class=\"kbcontent\">  19040172b-1  <br>SQL Server Develop  <br>  <font title=\"teacher\">zheng</font>  <br>  <font title=\"week\">3-5,7-14</font>  <br>  <font title=\"classroom\">D-101</font>  <br> </div> ";
html = html.replaceAll("<br>", "#~#");
Document doc = Jsoup.parse(html.toString());
String newHtml = doc.text();
String[] ary = newHtml.split("#~#");

这将完成任务，但可能还有其他干净的方法来替换br标记。

Answer 2

1)首先，用正则表达式解析HTMl从来都不是一个好主意。You can read more about that here。

2)你可以在标签之间取下所有的文本。

Document doc = Jsoup.parse(file, charsetName);
String text= doc.text();
System.out.println(text);