通过Java提取HTML中两个链接之间的文本

| 我正在尝试使用Java从e​​Pub文件中检索文本数据。 ePub文件的文本位于HTML文件中，该文件的格式如下： 
<h2 id=\"pgepubid00001\">Chapter I</h2>

<p>Some text</p>
<p>Another line of Text</p>

<br/>

<h2 id=\"pgepubid00001\">Chapter II</h2>

etc..
在打开该文件之前，我已经知道我需要提取的章节的ID，并且也可以找到下一章的ID。因此，我认为一种逻辑方法是尝试在SAX解析器中对其进行解析并提取每个段落中的文本，直到到达下一章的链接为止。但这证明是一项艰巨的任务。 当然，所有内容都是动态的，因此没有设置链接可供访问。HTML是半严格格式的，因此我不希望解析会引起太大的问题。谁能推荐一种提取所需文本的好方法？ 该解决方案只需要是JAVA，就不能使用其他语言。我希望在Android设备中实现此功能     
2019-12-08 2 条评论
分享

没有找到相关结果

    已邀请:

    舶啥戚

    好吧，您知道这些章节的ID，为什么不使用String.indexOf？ 
    start = text.indexOf(\"<h2 id=\\\"pgepubid00001\\\">\");
end = text.indexOf(\"<h2 id=\\\"pgepubid00002\\\">\");

whatYoureLookingFor = text.substring(start, end-start)
    把事情简单化。     
    2019-12-08 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.036431074142456