從html源碼中提取電子郵件地址

Question

我已經從網頁中提取html源碼，並想知道如何從該源文件中提取電子郵件地址等文本。使用jsoup像

public static String html2text(String html) { 
    return Jsoup.parse(html).text(); 
} 

但是這會給我很多不需要的文本，以及即時通信思考。

Answer 1

您可以去除所有標籤（除非電子郵件位於標籤內）。然後，應用正則表達式或檢查每個單詞是否符合電子郵件模式。如果在單詞中包含@，並且在後面找到.，我通常會將其標記爲電子郵件。根據標準電子郵件格式，許多電子郵件將不匹配（例如，"hello world@domain.com"）。是的電子郵件支持@之前的空格字符！

Answer 2

正如Shiplu所說，我認爲最好的解決方案是使用正則表達式，如果您使用的是Java，請查看Pattern和Matcher類。