100分求教：怎么能够得到html页面的实际显示值？

Question

><之间的数据就是你要的阿

Answer 1

用js 脚本可以实现，  比如 
<script language="Javascript">
function export_a(the_a)
{
var the_content="";

the_content=the_a.innerHTML; //这个是标签里面的文本 var newwin=window.open("about:blank","_blank","");
newwin.document.open(); newwin.document.write(the_content); newwin.document.close();
newwin=null;
}
</script>
其他的部分，你自己改改，反正这样就可以提取文字了！

Answer 2

呵呵,好像有专门解析html的东东

Answer 3

可以自己做一个自定义函数，用来去除<>和</>

Answer 4

自定义函数解析html标记其实并不难
大概100行的函数就可以了
你可以排除<>之内的内容，把剩下的留下

Answer 5

 private String removehtmltag(String htmlstr) {
     Pattern pat = Pattern.compile("\\s*<.*?>\\s*",
                                  Pattern.DOTALL | Pattern.MULTILINE |
                                  Pattern.CASE_INSENSITIVE); 
    Matcher m = pat.matcher(htmlstr);
    //再去掉其它所有html标记
    String rs = m.replaceAll(" ");
    rs = rs.replaceAll("&nbsp", " ");
    rs = rs.replaceAll("&lt;", "<");
    rs = rs.replaceAll("&gt;", ">");
    return rs;
  }

Answer 6

<SCRIPT LANGUAGE="JavaScript">
<!--
var str='<a herf="www.sohu.com">sohu</a>sohu:<a herf="www.sina.com.cn">sohu</a>sina:<a '+ 'herf="www.ssina.163.com">163</a>163';
str=str.replace(/<[^\/]*>([^<>]*)<\/\w>/img,"");
alert(str);
//-->
</SCRIPT>