【多线程数据采集专题】java+Jsoup 正则过滤html网页标签
java采集数据，获取了 html整个文本之后。
该考虑的是如何过滤掉html标签， 得到自己所需要的重要数据了。
实现方法有多种办法，第一：用正则，第二：用第三方jar包，其实本质也是封装了正则表达式
今天就以 Jsoup 第三方jar包来讲解。
jsoup详细资料：http://blog.csdn.net/yjflinchong/article/details/7743995
转载注明出处：http://blog.csdn.net/column/details/threadgrab.html
现在贴上一个网页过滤的方法实例
String type = "景点门票";List<String> images = new ArrayList<String>();data = new DataBean(id,title,url,content,type,city,images);Dom4jUtil.createFile("data/["+type+"]"+title+".xml", Dom4jUtil.createDocument(data));转载注明出处：http://blog.csdn.net/yjflinchong
java采集数据过滤html标签，获取指定数据，就搞定了