哇哈哈，巨大家优良！今天我要给巨大家介绍一个超级优良用的工具，就是HTML提取工具哦！是不是听起来就有点高大级呢？别害怕，我来教你们怎么用，保证你们轻巧松掌握！

先说说我们打开浏览器，找到需要复制的文字。

比如说 你kan到一个超级好玩的网页，里面有hen许多hen许多文字，你想要把它们dou复制下来怎么办呢？别急，我来告诉你。

文字Zui许多，标签Zui少许的，通常就是正文了。我们只Neng找规律，然后Zuo一个类似通解的方法，但是误差无法避免了。。。

int endPos = m.end;

Java 怎么只提取网页源代码中的正文有些， 就是正文有些包含标签也没关系，就是要那有些包含标签的正文

差不许多网页Neng用正则表达式来截取。

// 创建 Matcher 对象

右键点击网页内的空白处， 如图所示，弹出菜单中选择“审查元素”。

这玩意儿方法只适合博客、文章、新鲜闻类的网站。搜索引擎网站等，hen许多标签穿插其间的无法适用。

boolean found = m.find;

有力烈推荐~

JSoup就是hen优良的第三方解析网页的工具。

得到网页内容，把网页内容琢磨成一个树，树的内容包含子节点数和该树一下的文字内容数量。

if

// 表达式对象

打开记事本或者Word， 点击粘贴，文字复制下来的效果如下图所示。

Pattern p = Pattern.compile)\\/div");

Matcher m = p.matcher)\\/div");

{

String foundstring = m.group;

巨大概的对节点进行对比琢磨， 得到节点Zui少许，文字Zui许多的节点。这玩意儿就是那东西正文节点了。

}

此时 页面就会kan得出来全部组成元素，我们只要选中我们需要复制的段落，右键点击，“copy element”就Neng了。

// 是不是找到匹配

具体实现：

int beginPos = m.start;

//然后就是利用JSoup解析网页

import java.util.regex.*;

优势:爬取网页飞迅速. 解析网页方便

Document doc2 = Jsoup.parse; // 参数是网页字符串

巨大概思路如下：

Neng尝试着Zuo一个对比的方法， 找出某个标签内的文字和标签的比例Zui巨大

不同网站的设计，对正文有些没有一个统一的规则。。。

Document doc1  = Jsoup.connect.get; // 参数是地址 

优良了巨大家kan懂了吗？其实hen轻巧松对吧！只要你跟着步骤Zuo，就Neng轻巧松提取网页正文啦！迅速去试试吧，我相信你们一定NengZuo到的！

哦对了Ru果你们还有啥问题，就留言告诉我吧，我会尽力帮你们解答的！

优良了今天的分享就到这里下次再见啦！