package com.yueguang.regex;

import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileWriter;
import java.io.IOException;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ParseDIV {
	public static void main(String[] args) throws IOException {
		Pattern pattern = Pattern.compile("(<div>)([^<]*)(</div>)");
		File file = new File("overview.html");
		FileWriter fileWriter = new FileWriter(new File("output.txt"));
		Scanner in = new Scanner(file, "UTF8");
		// Scanner in = new Scanner(System.in,"UTF8");
		while (in.hasNextLine()) {
			String nextLine = in.nextLine();
			Matcher matcher = pattern.matcher(nextLine);
			// System.out.println(nextLine);
			// System.out.println(matcher);
			while (matcher.find()) {
//				System.out.println(matcher.group(2));
			    fileWriter.write(matcher.group(2)+"\n");
			}
		}
		fileWriter.flush();
		fileWriter.close();
	}
}
 

輸入是一個 需要提取的內容在每行上都以<div>content</div>的形式表示，可以一行有多個，只要每行上的格式完整

簡單的正則的應用，裡面值得注意的地方是 不要把  [^<]  寫成 .  ；   因為點會匹配所有字元，那麼如果一行存在多個   第一個div中的內容和最後一個div中間內容都會被匹配到，我們只需要明白<不可能出現在div 裡，並且這是div 結束符號的開始，那麼我們就可以成功匹配到正確的content，另外值得說的一點是字符集的問題，我的IDE中配置的是UTF8，顯示的時候如果使用了ANSI之類的格式都會顯示亂碼，改一下編輯器的預設顯示格式即可