Java 读取部分字符串

Question

我有这段文字：

   <message id="dsds" to="test@test.com" type="video" from="test@test"><body>TESTTESTTEST</body><active xmlns="http://jabber.org"/></message>

我想得到这个字符串中 <body></body> 的部分。

在java中，我搜索并找到了split，但它不能解决我的问题。如何在 java 中获取 <body></body> 之间的文本？

Answer 1

使用regx包：

    String htmlString = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";
    String bodyText="";
    Pattern p = Pattern.compile("<body.*>(.*?)</body.*>");
    Matcher m = p.matcher(htmlString);

    if (m.find()) {
        bodyText = m.group(1);
    }
    System.out.println(bodyText);

输出： TESTTESTTEST

Answer 2

在那种特定情况下，我建议您使用 Matcher

的正则表达式

可能的解决方案： Java regex to extract text between tags

Answer 3

像这样使用正则表达式：（适用于 <body>asas asasa </body> 以及 <body> </body>

public static void main(String[] args) {
    String s = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";
    Pattern p = Pattern.compile("<body.*>(.*?)</body>");
    Matcher m = p.matcher(s);
    while (m.find()) {
        System.out.println(m.group(1));
    }
}

O/P :

TESTTESTTEST

Answer 4

你可以这样写代码-

String s = "<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body>TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>";//Use '/' character as escape for "
        int firstIndex = s.indexOf("<body>");
        int lastIndex = s.indexOf("</body>");
        System.out.println(s.substring(firstIndex+6, lastIndex));

它会打印出预期的结果。

Answer 5

使用 SAXParser 或 DocumentBuilder 之类的解析器是首选。您可以准确地获取标签并处理数据。当您有很多标签要处理时，它们会特别方便。

下面是一个使用解析器读取正文标签的例子：

        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser saxParser = factory.newSAXParser();
        DefaultHandler handler = new DefaultHandler(){

            String body = "";
            boolean isBody = false;

            @Override
            public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {

                if (qName.equalsIgnoreCase("body")) {
                    isBody = true;
                }
            }

            @Override
            public void characters(char[] ch, int start, int length) throws SAXException {
                if (isBody) {
                    body = new String(ch, start, length);
                    System.out.println("body : " + body);
                }
            }

            @Override
            public void endElement(String uri, String localName, String qName) throws SAXException {
                if (qName.equalsIgnoreCase("body")) {
                    isBody = false;
                }
            }
        };

        saxParser.parse(new InputSource(new StringReader("<message id=\"dsds\" to=\"test@test.com\" type=\"video\" from=\"test@test\"><body id=\"dd\">TESTTESTTEST</body><active xmlns=\"http://jabber.org\"/></message>")), handler);

Answer 6

已经给出了通过正则表达式解决它的答案（尽管 XML 解析器可能是更好的选择）。

给出修改上述解决方案中提出的正则表达式的简单建议：

Regex proposed: (<body.*>(.*?)</body.*>) => This regex is greedy. 
Non greed regex: <body[^>]*>(.*?)</body[^>]*>

您可以使其非贪婪，这将导致运行时间的改进。原始正则表达式的问题是 .* 将继续匹配直到字符串结尾，然后它会回溯。 “[^>]”一看到右尖括号就会停止。我运行一个比较正则表达式的简单测试。贪心的时间是非贪心时间的 3 倍。

Java 读取部分字符串

Java read part of string

java

string

javabeans