Extração de Texto do HTML Java
Eu estou trabalhando em um programa que faz o download de páginas HTML e, em seguida, seleciona algumas das informações e as grava em outro arquivo.
Eu quero extrair a informação que é entre as tags de parágrafo, mas eu só posso obter uma linha do parágrafo. Meu código é o seguinte;
FileReader fileReader = new FileReader(file);
BufferedReader buffRd = new BufferedReader(fileReader);
BufferedWriter out = new BufferedWriter(new FileWriter(newFile.txt));
String s;
while ((s = br.readLine()) !=null) {
if(s.contains("<p>")) {
try {
out.write(s);
} catch (IOException e) {
}
}
}
Eu estava tentando adicionar outro loop while, que diria ao programa para continuar escrevendo para o arquivo até que a linha contenha</p>
tag, dizendo;
while ((s = br.readLine()) !=null) {
if(s.contains("<p>")) {
while(!s.contains("</p>") {
try {
out.write(s);
} catch (IOException e) {
}
}
}
}
Mas isso não funciona. Alguém poderia por favor ajudar?