[JAVA] HTML parser

[ragnonerodocet]

Buongiorno,

ho visto in rete milioni di parser html.

In base alle mie esigenze immagino che alcuni siano più performanti di altri.

Semplicemente, ricevo codice html in risposta a una GET in uno stream, in questo modo:

URL url = new URL(myUrl);
		URLConnection conn = url.openConnection();
		InputStreamReader isr = new InputStreamReader(conn.getInputStream(), "UTF-8");

Ora, dall'oggetto InputStreamReader, posso ottenere quel che voglio (String, Reader ec ecc).

Nel mio caso, all'interno dell'HTML, ho bisogno del valore di un nodo X il cui attributo Y abbia valore Z.

Qualcuno può suggerirmi un tutorial o o del codice d'esempio per parsare questo benedetto HTML?

[unomichisiada]

Se devi lavorare in maniera minimale solo su quel tag e non devi fare altre elaborazioni sull'html ricevuto puoi usare direttamente con una regular expression, come ad esempio è esemplificato qui

[ragnonerodocet]

Perfetto, proprio quello di cui avevo bisogno.

Ora però ho un piccolo problema.

Nel pattern

String expr1 = "<div\\s+class=\"news\"[^>]*>"

la stringa 'news' è fissa.

Se invece di news soltanto volessi matchare sia 'news' che 'ciccio', come faccio?

Ho provato con

<div\\s+class=\"news|ciccio\"[^>]*>

ma non va.

Un aiuto?

[ragnonerodocet]

A chi servisse in futuro, l'or nel mio caso si fa tra parentesi quadre, von i valori d'interesse separati da virgole.

"<div\\s+class=\"+[news,ciccio,pasticcio]+\"[^>]*>"