java 判断字符串是否是html-CFANZ编程社区

Java 判断字符串是否是 HTML

在 Java 中，我们经常需要判断一个字符串是否是 HTML 格式的文本。这在处理网络爬虫、数据抓取等任务时非常常见。本文将介绍几种方法，帮助你判断一个字符串是否是 HTML 格式。

方法一：使用正则表达式

正则表达式是一种强大的字符串匹配工具，可以用来找出符合特定模式的字符串。我们可以利用正则表达式来判断一个字符串是否符合 HTML 格式。

下面是一个示例代码，使用正则表达式进行判断：

import java.util.regex.Pattern;
import java.util.regex.Matcher;

public class HTMLChecker {
    public static boolean isHTML(String input) {
        String regex = "<(\"[^\"]*\"|'[^']*'|[^'\">])*>";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(input);

        return matcher.matches();
    }

    public static void main(String[] args) {
        String testString = "<html><body>Hello, World!</body></html>";
        boolean isHTML = isHTML(testString);
        System.out.println("Is HTML: " + isHTML);
    }
}

在上面的代码中，我们使用了一个正则表达式 <(\"[^\"]*\"|'[^']*'|[^'\">])*> 来判断一个字符串是否包含 HTML 标签。其中 Matcher.matches() 方法用于判断整个字符串是否完全匹配该正则表达式。

如果输入字符串包含 HTML 标签，isHTML 方法将返回 true，否则返回 false。

方法二：使用第三方库

除了使用正则表达式，我们还可以使用一些第三方库来判断一个字符串是否是 HTML 格式的。

下面是使用 Jsoup 这个流行的 HTML 解析库来判断一个字符串是否是 HTML 格式的示例代码：

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

public class HTMLChecker {
    public static boolean isHTML(String input) {
        try {
            Document doc = Jsoup.parse(input);
            return true;
        } catch (Exception e) {
            return false;
        }
    }

    public static void main(String[] args) {
        String testString = "<html><body>Hello, World!</body></html>";
        boolean isHTML = isHTML(testString);
        System.out.println("Is HTML: " + isHTML);
    }
}

在上面的代码中，我们使用了 Jsoup 的 parse 方法来将输入字符串解析为一个 Document 对象。如果解析成功，说明输入字符串是 HTML 格式的；如果解析失败，说明输入字符串不是 HTML 格式的。

方法三：使用自定义逻辑

除了使用正则表达式和第三方库，我们还可以根据 HTML 的语法规则自定义判断逻辑。

下面是一个示例代码，使用自定义逻辑判断一个字符串是否是 HTML 格式的：

public class HTMLChecker {
    public static boolean isHTML(String input) {
        int openTagCount = 0;
        int closeTagCount = 0;

        for (int i = 0; i < input.length(); i++) {
            if (input.charAt(i) == '<') {
                openTagCount++;
            } else if (input.charAt(i) == '>') {
                closeTagCount++;
            }
        }

        return openTagCount > 0 && openTagCount == closeTagCount;
    }

    public static void main(String[] args) {
        String testString = "<html><body>Hello, World!</body></html>";
        boolean isHTML = isHTML(testString);
        System.out.println("Is HTML: " + isHTML);
    }
}

在上面的代码中，我们通过遍历输入字符串，统计 < 和 > 的个数，如果 < 和 > 的个数都大于 0，并且个数相等，那么就认为输入字符串是 HTML 格式的。