JavaでHTMLの2つのリンク間でテキストを抽出します。

Question

Javaを使用してePubファイルからテキストデータを取得しようとしています。私はすでに私は抽出する必要があり、次の章のIDを見つけることができ章のIDを知っているこのファイルを開く前に

<h2 id="pgepubid00001">Chapter I</h2> 

<p>Some text</p> 
<p>Another line of Text</p> 

<br/> 

<h2 id="pgepubid00001">Chapter II</h2> 

etc.. 

- ePubファイルのテキストは、このような何かをフォーマットされたHTMLファイル内にありますあまりにも。このため、論理的なアプローチは、SAXパーサーで解析し、次の章のリンクに達するまで各段落のテキストを抽出することだと考えました。しかし、これはかなりの仕事を証明しています。

もちろん、すべてが動的であるため、設定リンクはありません.HTMLは半厳密にフォーマットされているので、解析にはそれほど問題がないとは思われませんでした。誰もが必要なテキストを抽出するための良い方法をお勧めしますか？

解決策は、JAVAのみである必要があります。他の言語は使用できません。私はAndroidのデバイスでこれを実装するために探しています

Answer 1

まあ、あなたは、章のidsを知っている、なぜString.indexOfを使用しないでください？

start = text.indexOf("<h2 id=\"pgepubid00001\">"); 
end = text.indexOf("<h2 id=\"pgepubid00002\">"); 

whatYoureLookingFor = text.substring(start, end-start) 

単純にしてください。