Быстрый способ найти значение в HTML (Java)

Зависит от того, насколько сложен HTTP-запрос, который вам нужно создать (аутентификация и т. д.). Вот один простой способ, который я видел раньше.

StringBuilder html = new StringBuilder();
java.net.URL url = new URL("http://www.google.com/");
BufferedReader input = null;
try {
    input new BufferedReader(
        new InputStreamReader(url.openStream()));

    String htmlLine;
    while ((htmlLine=input.readLine())!=null) {
        html.appendLine(htmlLine);
    }
}
finally {
    input.close();
}

Pattern exp = Pattern.compile(
    "<meta name=\"generator\" value=\"([^\"]*)\" />");
Matcher matcher = exp.matcher(html.toString());
if (matcher.find())
{
    System.out.println("Generator: "+matcher.group(1));
}

Вероятно, при компиляции здесь можно найти множество опечаток. (надеюсь, это не было домашним заданием)

Вы можете проверить документацию для пакета Apache org.apache.commons.HttpClient и связанных пакетов здесь. Отправить HTTP-запрос из Java-приложения довольно просто. Просматривая документацию, вы должны двигаться в правильном направлении.

Я не пробовал это, но разве базовая структура не будет

1. Откройте java.net.HttpURLConnection
2. Получить входной поток с помощью getInputStream
3. Используйте регулярное выражение в ответе Майка, чтобы разобрать нужный бит.

Строго говоря, вы не можете быть уверены, что получили правильное значение, поскольку метатег может быть закомментирован, или метатег может быть в верхнем регистре и т. д. Это зависит от того, насколько вы уверены, что HTML можно считать "хорошим". ".

Вы должны использовать запрос XPath.

Это так же просто, как получить значение /html/head/meta[@name=generator]/@value.

Хороший учебник: Анализ XML-документа с помощью XPath

По-разному.

Если вы извлекаете информацию с сайта или сайтов, которые гарантированно представляют собой правильно сформированный HTML, и знаете, что <meta> не будет каким-либо образом запутан, то чтение

С другой стороны, если HTML может быть искажен или «запутан», вам нужно использовать правильный HTML-анализатор, возможно, разрешающий, например HTMLTidy. Остерегайтесь использования строгого парсера HTML или XML для материалов, полученных со случайных веб-сайтов. Вы обнаружите, что так называемый HTML-код на самом деле искажен.

Удивительно, как никто, обращаясь к проблеме использования RegEx с HTML, не сталкивается с проблемой того, что HTML часто имеет правильный формат НЕТ, что делает многие HTML-парсеры совершенно бесполезными.

Если вы разрабатываете инструменты для анализа веб-страниц и факт, что они не являются правильно сформированным HTML, утверждение «Regex никогда не следует использовать для синтаксического анализа HTML» или «использовать HTML-синтаксический анализатор» является полностью ложным. Факты таковы, что в реальном мире люди создают HTML по своему усмотрению - и это не обязательно подходит для парсеров.

RegEx является - полностью действующий способ поиска элементов в тексте, то есть в HTML. Если есть какой-либо другой разумный способ решить проблемы, которые есть в оригинальном плакате, то опубликуйте их вместо того, чтобы ссылаться на «использовать синтаксический анализатор» или «RTFM».