困扰我好几天了，请高手为我解答一下！

我在编写一个程序，功能是获取网页里面标签<b>和<p>里面的内容（包括这两个标签），可是我只能获取到<b>的内容，这是为什么呢？？我的程序如下所示：
import java.io.*;
import java.net.URL;
import java.util.regex.*;public class Filter {
static String sourceContent;

//以下是获取网页内容
public static void getSourceContent(){
StringBuffer sb = new StringBuffer();
try{
URL url = new UR("http://www.wyu.cn/news/news_zxtz/200942111210750924.htm");
InputStreamReader isr = new InputStreamReader(url.openStream());
BufferedReader br = new BufferedReader(isr); String temp = null;
while((temp = br.readLine())!= null){

//System.out.println(temp);
pw.println(temp);
sb.append(temp + "\r");
sourceContent = sb.toString();
}
br.close();
}
catch(Exception e){
System.out.println(e);
}
}//end getSourceContent

//以下是运用正则表达式获取<bady></body>之间内容
public static void match(){
        String patternStr = "(?is)<body.*?>.*?((<b>.*?</b>)|(<p.*?>.*?</p>)).*?</body>"; //正则表达式
StringBuffer sb1 = new StringBuffer();
Pattern p = Pattern.compile(patternStr); //匹配<body>开头，</body>结尾的文档
Matcher m = p.matcher(sourceContent); //开始编译
while(m.find()){
sb1.append(m.group(0)); //获取被匹配的部分
}
System.out.println(sb1);
}
public static void main(String args[]) throws IOException{ getSourceContent();
match();
}
}

解决方案 »

  1.   

    正则表达式问题 你的问题是忽略了'.' 是不匹配换行的  只给你写个获取<body></body>之间内容的   剩下的lz自己发挥一下  String patternStr = "<body.*?>((.*)|(\\s*))*</body>"; // 正则表达式
      

  2.   

    你的程序的正则表达式哪里有错误
    String patternStr = "(?is) <body.*?>.*?(( <b>.*? </b>)|( <p.*?>.*? </p>)).*? </body>"; //正则表达式 
    你把String patternStr这里的清清空格;
    就是正则表达式的毛病，
    我调试后运行后出来了import java.io.*;
    import java.net.URL;
    import java.util.regex.*;public class Filter {
    static String sourceContent;
    public static void main(String args[]) throws IOException { getSourceContent();
    match();
    }
    // 以下是获取网页内容
    public static void getSourceContent() {
    StringBuffer sb = new StringBuffer();
    try {
    URL url = new URL("http://localhost:8080/CSDN_Question/index.html");
    InputStreamReader isr = new InputStreamReader(url.openStream());
    BufferedReader br = new BufferedReader(isr); String temp = null;
    System.out.println("进入了getSourceContent============");
     // temp=br.readLine();
    while ((temp= br.readLine())!= null) {  System.out.println(temp);
    sb.append(temp + "\r");
    sourceContent = sb.toString();
    }
    br.close();
    } catch (Exception e) {
    System.out.println(e);
    }
    }// end getSourceContent // 以下是运用正则表达式获取 <bady> </body>之间内容
    public static void match() {
        String patternStr = "(?is) <body.*?>.*?(( <b>.*?</b>)|(<p.*?>.*? </p>)).*?</body>"; // 正则表达式
    StringBuffer sb1 = new StringBuffer();
    Pattern p = Pattern.compile(patternStr); // 匹配 <body>开头， </body>结尾的文档
    Matcher m = p.matcher(sourceContent); // 开始编译
    System.out.println("进入了match()");
    while (m.find()) {
    System.out.println("进入了 m.find()");
    sb1.append(m.group(0)); // 获取被匹配的部分
    }
    System.out.println(sb1);
    }
      

  3.   

    import java.io.*;
    import java.net.URL;
    import java.util.Vector;
    import java.util.regex.*;
    /**
     * 作者：李　世贵
     * JDK: 1.6
     * 来源: http://blog.csdn.net/lishigui
     * 欢迎转接,请保留作者和来源,谢谢!
     * 2009-4-26 14:12:48
     */
    public class Filter {
    private String sourceContent = null; public Filter() {
    getSourceContent();
    getBody();
    System.out.println(sourceContent);
    getB();
    getP();
    } private void getB() {
    System.out.println("匹配 <body>体中的 <b>");
    Pattern bP = Pattern.compile("<b>.*</b>");
    Matcher bM = bP.matcher(sourceContent);
    while (bM.find()) {
    System.out.println(sourceContent.substring(bM.start(), bM.end()));
    }
    } private void getP() {
    System.out.println("匹配 <body>体中的 <p>");
    Pattern pP = Pattern.compile("<p>.*</p>");
    Matcher pM = pP.matcher(sourceContent);
    while (pM.find()) {
    System.out.println(sourceContent.substring(pM.start(), pM.end()));
    } } private void getBody() {
    System.out.println("匹配 <body>开头， </body>结尾的文档 ");
    Pattern p = Pattern.compile("<body.*");
    Matcher mStart = p.matcher(sourceContent);
    mStart.find();
    p = Pattern.compile(".*</body>");
    Matcher mEnd = p.matcher(sourceContent);
    mEnd.find();
    sourceContent = sourceContent.substring(mStart.start(), mEnd.end());
    } private void getSourceContent() {
    StringBuffer sb = new StringBuffer();
    try {
    URL url = new URL("http://www.wyu.cn/news/news_zxtz/200942111210750924.htm");
    InputStreamReader isr = new InputStreamReader(url.openStream());
    BufferedReader br = new BufferedReader(isr); String temp = null;
    while ((temp = br.readLine()) != null) {
    sb.append(temp + "\r");
    sourceContent = sb.toString();
    }
    br.close();
    } catch (Exception e) {
    System.out.println(e);
    }
    } public static void main(String[] lsg) {
    new Filter();
    }
    }
      

  4.   

    body体的内容应该是这样匹配：
    Pattern body = Pattern.compile("<body.*</body>");
    Matcher mbody  = body.matcher(sourceContent);
    if(mbody.find()) {
      System.out.println(sourceContent.substring(mbody.start(), mbody.end()));
    }标签<p>的正则表达是：<p>.*</p>
    标签<b>的正则表达是：<b>.*</b>
    标签<body>的正则表达是：<body.*</body>
      

  5.   

    可是你们的程序还是不符合我的要求啊，我是要提取出<b>和<p>标签的内容（包括标签）。
      

  6.   

    你执行过我上面的代码没？上面的代码是可以提取出 <b>和 <p>标签的内容（包括标签）和下面的是等价的
    import java.io.*;
    import java.net.URL;
    import java.util.Vector;
    import java.util.regex.*;
    /**
     * 作者：李　世贵
     * JDK: 1.6
     * 来源: http://blog.csdn.net/lishigui
     * 欢迎转接,请保留作者和来源,谢谢!
     * 2009-4-27 09:12:48
     */
    public class Filter {
        private String sourceContent = null;
        private Vector vB = new Vector();
        private Vector vP = new Vector();
        public Filter() {
            getSourceContent();
            getBody();
            System.out.println(sourceContent);
            getB();
            getP();
            
            System.out.println("提取<body>的内容是：");
            System.out.println(sourceContent);
            
            System.out.println("提取<b>的内容是：");
            for(int i = 0; i < vB.size(); i++){
             System.out.println(vB.get(i).toString());
            }
            
            System.out.println("提取<p>的内容是：");
            for(int i = 0; i < vP.size(); i++){
             System.out.println(vP.get(i).toString());
            }
        }    private void getB() {
            System.out.println("匹配 <body>体中的 <b>");
            Pattern bP = Pattern.compile("<b>.*</b>");
            Matcher bM = bP.matcher(sourceContent);
            while (bM.find()) {
             vB.add(sourceContent.substring(bM.start(), bM.end()));
            }
        }    private void getP() {
            System.out.println("匹配 <body>体中的 <p>");
            Pattern pP = Pattern.compile("<p>.*</p>");
            Matcher pM = pP.matcher(sourceContent);
            while (pM.find()) {
             vP.add(sourceContent.substring(pM.start(), pM.end()));
            }    }    private void getBody() {
         Pattern body = Pattern.compile(" <body.* </body>");
         Matcher mbody  = body.matcher(sourceContent);
         if(mbody.find()) {
           sourceContent.substring(mbody.start(), mbody.end());
         } 
        }    private void getSourceContent() {
            StringBuffer sb = new StringBuffer();
            try {
                URL url = new URL("http://www.wyu.cn/news/news_zxtz/200942111210750924.htm");
                InputStreamReader isr = new InputStreamReader(url.openStream());
                BufferedReader br = new BufferedReader(isr);            String temp = null;
                while ((temp = br.readLine()) != null) {
                    sb.append(temp + "\r");
                    sourceContent = sb.toString();
                }
                br.close();
            } catch (Exception e) {
                System.out.println(e);
            }
        }    public static void main(String[] lsg) {
            new Filter();
        }
    }
      

  7.   

    回10楼：
    你的运行结果如下：提取<b>的内容是：
    <b>学术讲座</b>
    提取<p>的内容是：<p>的内容没有出来啊？
      

  8.   

    其实上面的匹配是没问题的，有问题的是：<p>这个标签可以没有</p>和它匹对出现哦！
    <b>和 <p>标签的匹配过程是一样的，既然<b>能匹配，那 <p>也应该能，你应该先看看 <p>和 </p>是不是没有匹对出现。
      

  9.   

    <p>和</p>有成对出现！
      

  10.   

    import java.io.*;
    import java.net.URL;
    import java.util.Vector;
    import java.util.regex.*;
    /**
     * 作者：李　世贵
     * JDK: 1.6
     * 来源: http://blog.csdn.net/lishigui
     * 欢迎转接,请保留作者和来源,谢谢!
     * 2009-4-29 08:43:18
     */
    public class Filter {
        private String sourceContent = null;
        private Vector vB = new Vector();
        private Vector vP = new Vector();
        public Filter() {
            getSourceContent();
            getBody();
            System.out.println(sourceContent);
            getB();
            getP();
            
            System.out.println("提取<body>的内容是：");
            System.out.println(sourceContent);
            
            System.out.println("提取<b>的内容是：");
            for(int i = 0; i < vB.size(); i++){
                System.out.println(vB.get(i).toString());
            }
            
            System.out.println("提取<p>的内容是：");
            for(int i = 0; i < vP.size(); i++){
                System.out.println(vP.get(i).toString());
            }
        }    private void getB() {
            System.out.println("匹配 <body>体中的 <b>");
            Pattern bP = Pattern.compile("<b>.*</b>");
            Matcher bM = bP.matcher(sourceContent);
            while (bM.find()) {
                vB.add(sourceContent.substring(bM.start(), bM.end()));
            }
        }    private void getP() {
            System.out.println("匹配 <body>体中的 <p>");
            Pattern pP = Pattern.compile("<p>.*</p>");
            Matcher pM = pP.matcher(sourceContent);
            while (pM.find()) {
                vP.add(sourceContent.substring(pM.start(), pM.end()));
            }    }    private void getBody() {
            Pattern body = Pattern.compile(" <body.* </body>");
            Matcher mbody  = body.matcher(sourceContent);
            if(mbody.find()) {
              sourceContent.substring(mbody.start(), mbody.end());
            } 
        }    private void getSourceContent() {
            StringBuffer sb = new StringBuffer();
            try {
                URL url = new URL("http://www.wyu.cn/news/news_zxtz/200942111210750924.htm");
                InputStreamReader isr = new InputStreamReader(url.openStream());
                BufferedReader br = new BufferedReader(isr);            String temp = null;
                while ((temp = br.readLine()) != null) {
    //                sb.append(temp + "\r");
                      sb.append(temp);
                    sourceContent = sb.toString();
                }
                br.close();
            } catch (Exception e) {
                System.out.println(e);
            }
        }    public static void main(String[] lsg) {
            new Filter();
        }
    }