使用Java和jsoup解析特定的HTML代码
问题描述：
我一直在思考如何实现一个逻辑来解析这段代码，我有。我目前正在使用jsoup，Java和Android。使用Java和jsoup解析特定的HTML代码
基本结构显示（一个我正在寻找）：
22:48 为url1：随机消息
22:44 URL2：更随机的消息！
的代码（存储在Element对象，这是由jsoup提供）：
22:48
<strong> <a href="www.randomUrl.com">url1</a>:</strong> Random message.22:44
<strong> <a href="www.randomUrl.com">url2</a>:</strong> Even more random message!22.42
<strong> <a href="www.randomUrl.com">url3</a>:</strong> This is a dumb message9922.20
<strong> <a href="www.randomUrl.com">url4</a>:</strong> This is a dumb message3
我多么希望它被 “清理”：
22:48 <strong> <a href="www.randomUrl.com">url1</a>:</strong> Random message.
22:44 <strong> <a href="www.randomUrl.com">url2</a>:</strong> Even more random message!
22.42 <strong> <a href="www.randomUrl.com">url3</a>:</strong> This is a dumb message99
22.20 <strong> <a href="www.randomUrl.com">url4</a>:</strong> This is a dumb message3
我当然不记住一行节省时间，url和消息到一些专用的数组列表，然后删除html。但我期待着听到你将如何处理这种解析。由于问题是随机消息可以是任何类型的字符串，这意味着它可以包含一个时间（22:33）。所以我不能通过基于时间的正则表达式来分隔行。
我在想，如果正确的做法是通过同时使用时间和强元素来解析它，因为强元素似乎总是开始一个新行。
谢谢！
答
JSoup是一个非常有价值的图书馆。然而，如果没有明确的开始和结束标签进行明确的界定，部分文本的猥亵改变就不容易实现。
因为所有你讨厌的时间戳似乎总是跟着一个<强>标签，你可以匹配所有序列中删除时间“TIME（最终其次是空格）<强>”。
这可以用一个相当简单的regex String.replaceAll来完成：
html = html.replaceAll("(\\d{2}[:\\.]\\d{2})(\\s*<strong>)","$2");
答
字符串Z = s.replaceAll（“（\\ d {2} [：\\] \\ d {2- }）\\ s * [\ n \ r] \\ s *“，”\ n $ 1“）.trim（）;