HTMLParser提取网页的初级问题

Question

假设有如下一段代码：
<div class="article">
这是无用内容
<b>这是无用内容</b>
  这是有效文本
<img src=“a.jpg”/>
这是有效文本
<img src=“b.jpg”/>
这是有效文本
<img src=“c.jpg”/>
</div>
想用HtmlParser把所有有效文本都提取出来，不想一个一个慢慢提取，因为文本和IMG标签重复次数不确定。有智能一点的办法吗？多谢~~
可不可以定义提取</b>和</div>之间的内容··

Answer 1

1.首先把HtmlParser把所有有效文本都提取出来，再进行过滤就行了呀。
2.找出第一个<img符号，然后找出它前面的第一个</b> ，把内容取出来。
3.找出里面有多少个/>，再找出第一个/> 再找出这个符号的后一个<img。循环把内容取出来。
good luck.