麻烦.大家帮忙看个高级JAVA_IO问题

Question

目录结构如下:
             文件夹1
                    1.html
                    2.html
                      .
                      .
                      .
             文件夹2
                    1.txt
                    2.txt
                       .
                       .
                       .
现在有如下HTML代码：
<a href="javascript:if(confirm('http://music.qq.com/  \n\n该文件无法用 Teleport Ultra 下载, 因为 它是一个域或路径外部被设置为它的启始地址的地址。  \n\n你想在服务器上打开它?'))window.location='http://music.qq.com/'" tppabs="http://music.qq.com/" class="">QQ音乐</a>
想实现的效果是:
1.首先操作文件夹1下面的所有html页面
2.使用JAVA_IO遍历html文件里面所有的<a>标签
3.把遍历到的<a>标签中的tppabs属性(href下的网址也可以)下面的网址和<a>标签之间的文本取出
4.把取出的网址和文本再以:文本+"*"+URL的格式写入到*.txt中                           自己半天没弄明白希望高手帮忙写一下代码.要有注释哦..顺便想学习一下..^_^

Answer 1

// String u="http://music.qq.com";
// URL url=new URL(u);
// URLConnection con=url.openConnection();
// InputStream is=con.getInputStream();
// OutputStream os=new FileOutputStream(new File("D:\\test\\aa.html"));
// int len=0;
// byte[] buffer=new byte[1024];
// while ((len=(is.read(buffer)))!=-1) {
// os.write(buffer, 0, len);
// }
// os.close();
// is.close();
//*********************************************************************************************************
// String regex="<a[^>]*href=\"([^\"]*)\"[^>]*>(.*?)<\\/a>";
String hrefRegex="href=['\"]?(.*?)['\" ]\"";
StringBuilder sb=new StringBuilder();
Map<String, String> map=new HashMap<String, String>();
String href="";
String text="";
String matchedText="";
Pattern pattern=Pattern.compile(hrefRegex);
File file=new File("D:\\test\\aa.html");
InputStream is=new FileInputStream(file);
BufferedReader reader=new BufferedReader(new InputStreamReader(is, "GBK"));
while (reader.read()!=-1) {
sb.append(reader.readLine());
}
Matcher matcher=pattern.matcher(sb);
while (matcher.find()) {
System.out.println(matcher.group(1));
}
}
写了一下，实现了第一第二个需求主要是正则比较难写   坐等正则达人出现