HTMLParser 解析html字符串，提取纯文本

今天在群里问别人怎么提取文本，也没有具体告诉我用什么，只是说用htmlParser就可提取，查了查API，发现有个类很不错，两句话搞定哈。

 

 import org.htmlparser.Parser;
import org.htmlparser.visitors.TextExtractingVisitor;

public class Test {
 public static void main(String[] args) throws Exception {

String sss = "<div class='title'>商品详细说明：</div><p style='word-break: break-all'>ESTEE LAUDER     Perfectly Clean Splash Away Foaming Cleanser<br />为中性/混合性肌肤度身订制的清洁产品。 <br />";
  Parser parser = new Parser(sss);
  TextExtractingVisitor visitor = new TextExtractingVisitor();
  parser.visitAllNodesWith(visitor);
  System.out.println(visitor.getExtractedText());

 }
}

 

如果解析出现问题，可以在文件之间加入div标签。如：<div>+sss+</div>

根据测试，此方式必须得有div标签才不会报错，可以先添加然后解析的时候自动就没了。

 

大家还有其它方式解析，可以一起讨论：

 

具体可参考：www.gegeyigui.com 就有相关应用。

评论

3 楼 liuxinglanyue 2010-11-17  

正好用到了，谢谢了。

2 楼 yangfuchao418 2010-09-26  

Jsoup.parse(html).text()

1 楼 marc0658 2010-06-18  

这么好的文章居然没人说两句？？？？？
好文章在些沉寂真是。。。。。唉，，说什么好呢。。找了大半天了。。。