Jsoup从Html文件中提取正文内容

Jsoup从Html文件中提取正文内容
示例代码：
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "/example.com/");

Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
}
jsoup是一款Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据。
jsoup的主要功能如下：
1. 从一个URL，文件或字符串中解析HTML；
2.使用DOM或CSS选择器来查找、取出数据；
3. 可操作HTML元素、属性、文本；

下面是一个例子， H1部分就是你需要的正文部分
import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class HTMLParser{

public static void main(String args[]) {

// Parse HTML String using JSoup library
String HTMLSTring = ""
+ ""
+ ""
+ ""
+ ""
+ ""
+ "|[b]HelloWorld[/b]"
+ ""
+ ""
+ "";

Document html = Jsoup.parse(HTMLSTring);
String title = html.title();
String h1 = html.body().text();

System.out.println("Input HTML String to JSoup :" + HTMLSTring);
System.out.println("After parsing, Title : " + title);
System.out.println("Afte parsing, Body : " + h1);

}

}

用正则表达式吧