关于网页截取的问题

Question

我写了个网页抓取的程序要抓取网页信息
已经可以抓到
<tr><td style="width:90px;">****</td><td title="******" style="width:169px;">******</td>
<td style="width:57px;">4</td><td style="width:57px;">38.6</td></tr>并且用
                    String s = textnode.toHtml();//这个就是那个抓取得到的<tr></tr>那一串
                    Pattern p = Pattern.compile("(?i)<td\\s+.*?>(.*?)</td>");
                    Matcher m = p.matcher(s);
                    while(m.find()) {
                        MailDao.writeFile("", m.group(1));
                    }
因为网页中有很多个<tr><td></td>....<td></td></tr>有时候如果串行的话比如
.....<td ...
>***</td>
那我想得到的***就截不出来了  求解决办法
最后那个writeFile是要写出生成excel的  所以<tr></tr>中截得的<td></td>中间数据是要分行输出的

Answer 1

那个截取不到的例子应该是这样的
...<td...>***
</td>...
这样那个***就截取不出来了

Answer 2

不行 因为要生成excel表格  截取的数据要写到excel表格中

Answer 3

改成这样试试：
Pattern p = Pattern.compile("(?i)(?s)<td\\s+.*?>(.*?)</td>");

Answer 4

那样虽然是解出来了  但也多截了个空串出来  输入到excel时候还是会串行

Answer 5

那空串应该是换行符之类的，replace掉。

Answer 6

这样?
String s = textnode.toHtml().replaceAll("\r\n","");
...
...
输出来还是不对

Answer 7

这样
String s = textnode.toHtml();
s = s.toString().replaceAll("\r\n","");
也不行

Answer 8

这样：
m.group(1).replaceAll("\\s", "")

Answer 9

得到的s在控制台还是两行输出的,得到excel还是串行

Answer 10

这个好使了  但是我想知道为什么我这样写
String s = textnode.toHtml().replaceAll("\r\n","");
就不好使呢

Answer 11

在用正则表达式替换的时候，\s 表示空白字符：[\t\n\x0B\f\r] 

Answer 12

呵呵，关键是这个换行符比较麻烦，
比如：
      新行（换行）符 ('\n')、 
      后面紧跟新行符的回车符 ("\r\n")、 
      单独的回车符 ('\r')、 
所以，用 \s 替换比较保险。