Java Regex 从 HTML 锚点 (...) 标记获取文本

我正在尝试获取某个标签内的文本。所以如果我有：

<a href="http://something.com">Found<a/>

我希望能够检索Found text.

我正在尝试使用正则表达式来做到这一点。我能够做到，如果<a href="http://something.com>保持不变，但事实并非如此。

到目前为止我有这个：

Pattern titleFinder = Pattern.compile( ".*[a-zA-Z0-9 ]* ([a-zA-Z0-9 ]*)</a>.*" );

我认为最后两部分 -([a-zA-Z0-9 ]*)</a>.*- 还好，但我不知道第一部分该怎么做。

正如他们所说，不要使用正则表达式来解析 HTML。如果您意识到缺点，那么您可能会逃脱惩罚。尝试

Pattern titleFinder = Pattern.compile("<a[^>]*>(.*?)</a>", Pattern.DOTALL | Pattern.CASE_INSENSITIVE);
Matcher regexMatcher = titleFinder.matcher(subjectString);
while (regexMatcher.find()) {
    // matched text: regexMatcher.group(1)
} 

将迭代字符串中的所有匹配项。

它不会处理嵌套<a>标签并忽略标签内的所有属性。