JAVA解析html标签

最近同事碰到一个问题，要取出数据库中静态页面<p>标签中的内容，问我应该怎么做，我随口答道，用正则表达式呗，很好正则表达式，其实我也不会用。很久以前我就碰到过类似的问题，当时是我同学问我的，让我思考一下如何解析html标签。我当时随口答道用split呗，结果一顿冷嘲热讽。在我的逼问下，他告诉我用正则比较好，至于怎么用，至今都没告诉我。于是今天心血来潮，开始查找解决办法。终于让我找到一个类似的，他是获取标签中属性值的一个方法，觉得挺不错的

以下就是对应代码：

public static List<String> matchs(String source, String element, String attr) {

List<String> result = new ArrayList<String>();

String reg = "<" + element + "[^<>]*?\\s" + attr + "=['\"]?(.*?)['\"]?\\s.*?>";

System.out.println(reg);

Matcher m = Pattern.compile(reg).matcher(source);

while (m.find()) {

System.out.println(m.group());

String r = m.group(1);

result.add(r);

}

return result;

}

这是获取标签属性值的方法 。经过我的不懈努力我终于找到了

后面是改版后的方法：

public static List<String> match(String source, String element) {

List<String> result = new ArrayList<String>();

String reg = "<"+element+".*?</"+element+">";

Matcher m = Pattern.compile(reg).matcher(source);

while (m.find()) {

System.out.println(m.group(0));

String r = m.group(0);

result.add(r);

}

return result;

}