（生手）想做个网页抓取的东西，大神们给个思路吧

有个小问题，<p data-client="important audit">[<a href="http://news.sina.com.cn/z/2013storm/" target="_blank">抚顺将明日定为哀悼日悼念遇难者</a> <a href="http://news.sina.com.cn/c/2013-08-23/085028026971.shtml" target="_blank">多名网民散布洪灾谣言被拘</a>]</p>
这一句用我的正则String regularTitle="target=._blank.>([\u4E00-\u9FA5].+?)</a>"。会将 <a href="http://news.sina.com.cn/c/2013-08-23/085028026971.shtml" target="_blank">多名网民散布洪灾谣言被拘</a>]</p>后面的也读进来。如果吧正则改成String regularTitle="target=._blank.>([\u4E00-\u9FA5].+?)</a>"；这样则会把后面的遗漏。因为这是在同一行的。有没有什么好的解决方案

Quote: 引用:

做这种东西，你要是觉得学正则麻烦的话，你会发现不学正则会更加困难百倍

引用:

jsoup也可以.

import java.awt.*;
import java.awt.event.*;
import javax.swing.*;
import java.util.regex.*;
import java.io.*;
import java.net.URL;
import java.sql.*;
class GroupMethod{
public String regularGroup(String pattern,String matcher){
Pattern p=Pattern.compile(pattern,Pattern.CASE_INSENSITIVE);
Matcher m=p.matcher(matcher);
if(m.find()){
return m.group(1);
}
else{
return "";
}
}

}

public class TestCatchWeb extends JFrame{
JButton 
b1=new JButton("确定"),
b2=new JButton("导入到数据库"),
b3=new JButton("查看数据库");
JTextField
t1=new JTextField(30);
TextArea
t2=new TextArea(20,80);
JLabel
l1=new JLabel("您所查找的网页信息"),
l2=new JLabel("输入您要查找的网页");
String strUrl="http://news.sina.com.cn";
String title;
String urls;
int number;
TestCatchWeb(){
setTitle("网页抓取");
JPanel p=new JPanel();
t1.setText(strUrl);
b1.addActionListener(new B1());
t2.setEditable(false);
//t2.setLineWrap(true);
p.setLayout(new FlowLayout());
p.add(t2);p.add(l1);
p.add(t1);p.add(l2);
p.add(b1);
p.add(b2);
p.add(b3);
add(p);

}
static class WL extends WindowAdapter{
public void windowClosing(WindowEvent e){
System.exit(0);
}
}
class B1 implements ActionListener{

public void actionPerformed(ActionEvent e){
catches();
t2.append("标题是:"+title+"\n");
t2.append("url地址是:"+urls+"\n");
t2.append("共收集到"+number+"条信息");
}
}

public void catches(){
strUrl=t1.getText();
BufferedReader br;

try{
URL url=new URL(strUrl);
InputStreamReader isr=new InputStreamReader(url.openStream());
br=new BufferedReader(isr);
String strRead="";
String regularTitle="target=._blank.>([\u4E00-\u9FA5].+)</a>";
String regularUrl="<a href=.(\\w.+). target=._blank.>";
GroupMethod gMethod=new GroupMethod();
int i=0;
while((strRead=br.readLine())!=null){
String strGet=gMethod.regularGroup(regularTitle,strRead); 
 
if(!strGet.equals("")){
title+=strGet+"\n";
}
strGet=gMethod.regularGroup(regularUrl, strRead);
if(!strGet.equals("")){
urls+=strGet+"\n";
i++;
}
}
            br.close();
            number=i;


}
catch(IOException e){
e.printStackTrace();
}
}

/**
 * @param args
 */
public static void main(String[] args) {
// TODO Auto-generated method stub
TestCatchWeb news=new TestCatchWeb();
news.addWindowListener(new WL());
news.setSize(300,200);
news.setVisible(true);


}

}

简单得用正则写了个代码。但是由于不同标题的格式不一样，所以不能完美提取。还有一些是源代码。大神们指导下。