获取html页面全部标签或者标签内容

首先是两个正则表达式：

1.<[^>]+>：这个正则表达式可以匹配所有html标签,可以100%匹配(注意页面编码方式和读取的编码方式)。

2.>[^<]+<：这个可以匹配标签内容，本人对正则不是很熟悉，因而只是简单的将第一个正则表达式反了过来，匹配出来的结果都会带着><，如果有更好的正则表达式，希望可以告诉我。

下面上程序：

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class URLTest {

	/**
	 * @param args
	 * @throws URISyntaxException 
	 */
	public static void main(String[] args) throws Exception {
		URL url = new URL("http://www.ascii-code.com/");
		InputStreamReader reader = new InputStreamReader(url.openStream());
		BufferedReader br = new BufferedReader(reader);
		String s = null;
		while((s=br.readLine())!=null){
			s = GetLabel(s);
			if(s!=null){
				System.out.println(s);
			}
		}
		br.close();
		reader.close();
	}
	
	public static String GetContent(String html) {
		//String html = "<ul><li>1.hehe</li><li>2.hi</li><li>3.hei</li></ul>";
		String ss = ">[^<]+<";
		String temp = null;
		Pattern pa = Pattern.compile(ss);
		Matcher ma = null;
		ma = pa.matcher(html);
		String result = null;
		while(ma.find()){
			temp = ma.group();
			if(temp!=null){
				if(temp.startsWith(">")){
					temp = temp.substring(1);
				}
				if(temp.endsWith("<")){
					temp = temp.substring(0, temp.length()-1);
				}
				if(!temp.equalsIgnoreCase("")){
					if(result==null){
						result = temp;
					}
					else{
						result+="____"+temp;
					}
				}
			}
		}
		return result;
	}
	
	public static String GetLabel(String html) {
		//String html = "<ul><li>1.hehe</li><li>2.hi</li><li>3.hei</li></ul>";
		String ss = "<[^>]+>";
		String temp = null;
		Pattern pa = Pattern.compile(ss);
		Matcher ma = null;
		ma = pa.matcher(html);
		String result = null;
		while(ma.find()){
			temp = ma.group();
			if(temp!=null){
				if(temp.startsWith(">")){
					temp = temp.substring(1);
				}
				if(temp.endsWith("<")){
					temp = temp.substring(0, temp.length()-1);
				}
				if(!temp.equalsIgnoreCase("")){
					if(result==null){
						result = temp;
					}
					else{
						result+="____"+temp;
					}
				}
			}
		}
		return result;
	}
}

GetContent用来获取标签内容。

GetLabel用来获取标签。