在Kotlin中从Jsoup输出的字符串提取独立整数

我来帮你搞定这个问题！你遇到的数字连在一起的情况，大概率是因为没有针对每个章节条目单独处理，或者正则匹配的范围太广。咱们优先用Jsoup来处理，因为它能精准解析HTML结构，避免字符串处理的脆弱性：

方法一：用Jsoup解析+正则精准匹配 #

先把你输出的HTML字符串（注意去掉首尾的[]，那应该是打印时额外加的）交给Jsoup解析，定位到每个<li>元素，再提取里面的章节文本，最后用正则匹配出目标数字。这种方法最可靠，哪怕HTML结构小范围变化也能适配。

示例Java代码：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ChapterNumberExtractor {
    public static void main(String[] args) {
        // 你的原始HTML内容（去掉了首尾的[]）
        String htmlContent = "<ul> <li><span></span><a rel=\"nofollow\"><span>Afterword</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2255</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2254</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2253</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2252</span></a></li> </ul>";
        
        // 解析HTML文档
        Document doc = Jsoup.parse(htmlContent);
        // 获取所有<li>元素
        Elements chapterItems = doc.select("li");
        
        // 定义正则：匹配"Chapter, "后面的连续数字，精准定位章节号
        Pattern chapterPattern = Pattern.compile("Chapter, (\\d+)");
        
        for (Element item : chapterItems) {
            // 获取每个<li>里最后一个<span>的文本内容
            String itemText = item.select("span:last-child").text();
            Matcher matcher = chapterPattern.matcher(itemText);
            
            // 如果匹配到，提取并输出章节号
            if (matcher.find()) {
                String chapterNum = matcher.group(1);
                System.out.println(chapterNum);
            }
            // 像"Afterword"这类没有章节号的条目会自动跳过
        }
    }
}

方法二：纯字符串分割+正则（应急方案） #

如果暂时不想引入Jsoup，也可以用字符串分割先拆分每个条目，再提取数字。但这种方法依赖HTML的固定格式，结构变化容易失效：

示例代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class StringBasedExtractor {
    public static void main(String[] args) {
        String htmlContent = "<ul> <li><span></span><a rel=\"nofollow\"><span>Afterword</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2255</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2254</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2253</span></a></li> <li><span></span><a rel=\"nofollow\"><span>MW, Chapter, 2252</span></a></li> </ul>";
        
        // 按"</li>"分割成单个条目
        String[] items = htmlContent.split("</li>");
        // 匹配独立的4位数字（也可以用\\d+匹配任意长度数字）
        Pattern numPattern = Pattern.compile("\\b\\d{4}\\b");
        
        for (String item : items) {
            Matcher matcher = numPattern.matcher(item);
            if (matcher.find()) {
                System.out.println(matcher.group());
            }
        }
    }
}

两种方法都能帮你提取出独立的2255、2254这类章节号，不会出现数字连在一起的问题。优先推荐Jsoup的方案，稳定性更强。

内容的提问来源于stack exchange，提问作者vipin