Android中提取最后开始标签与对应首个结束标签间内容的技术问询

嘿，我来帮你搞定这个Android开发里的HTML内容提取问题！你需要从给定的HTML结构中，抓取最后一个开始标签和它对应的第一个结束标签之间的完整内容（包括标签本身），就像示例里从<p><b><i><u>hello</u></i></b>prajakta</p>中提取出<u>hello</u>对吧？下面我给你两种实用的解决方案：

方案一：正则表达式快速实现（适合简单HTML场景） #

如果你的HTML结构比较简单，没有复杂的标签属性或者嵌套异常，用正则表达式可以快速实现需求。

针对特定标签（比如<u>）的提取 #

如果你明确要提取的是某个特定标签（比如示例里的<u>），可以直接写精准的正则：

String htmlContent = "<p><b><i><u>hello</u></i></b>prajakta</p>";
// 匹配<u>和</u>之间的内容，非贪婪模式确保只取第一个闭合的标签
Pattern uTagPattern = Pattern.compile("<u>(.*?)</u>");
Matcher matcher = uTagPattern.matcher(htmlContent);

if (matcher.find()) {
    // 拼接回完整的标签内容
    String extractedResult = "<u>" + matcher.group(1) + "</u>";
    Log.d("HTML_EXTRACT", extractedResult); // 输出：<u>hello</u>
}

通用提取（适配任意最后一个开始标签） #

如果需要适配任意最后一个开始标签（不管是<u>、<i>还是其他），可以用动态匹配标签名的正则：

String htmlContent = "<p><b><i><u>hello</u></i></b>prajakta</p>";
// .* 匹配前面所有内容，确保捕获最后一个开始标签；\\1 反向引用匹配对应的结束标签
Pattern generalPattern = Pattern.compile(".*<([a-z]+)>(.*?)</\\1>");
Matcher matcher = generalPattern.matcher(htmlContent);

if (matcher.find()) {
    String tagName = matcher.group(1);
    String innerContent = matcher.group(2);
    String extractedResult = "<" + tagName + ">" + innerContent + "</" + tagName + ">";
    Log.d("HTML_EXTRACT", extractedResult); // 输出：<u>hello</u>
}

方案二：原生Html解析（适合复杂HTML场景） #

正则表达式的局限性很明显——如果HTML标签带属性（比如<u class="underline">）、存在自闭合标签或者嵌套混乱，正则就会失效。这时候用Android原生的Html类结合自定义TagHandler是更可靠的选择：

String htmlContent = "<p><b><i><u>hello</u></i></b>prajakta</p>";
final String[] lastTagResult = new String[1];
final Stack<String> tagStack = new Stack<>(); // 跟踪标签嵌套顺序

Html.fromHtml(htmlContent, Html.FROM_HTML_MODE_LEGACY, null, new Html.TagHandler() {
    @Override
    public void handleTag(boolean isOpeningTag, String tagName, Editable output, XMLReader xmlReader) {
        if (isOpeningTag) {
            // 记录开始标签，同时在当前位置标记一个占位Span
            tagStack.push(tagName);
            output.setSpan(new Object(), output.length(), output.length(), Spanned.SPAN_MARK_MARK);
        } else {
            // 处理结束标签时，匹配对应的开始标签
            if (!tagStack.isEmpty() && tagStack.peek().equals(tagName)) {
                tagStack.pop();
                // 找到之前标记的占位Span，确定开始位置
                Object[] spans = output.getSpans(0, output.length(), Object.class);
                for (Object span : spans) {
                    int startPos = output.getSpanStart(span);
                    int endPos = output.getSpanEnd(span);
                    if (startPos == endPos && endPos == output.length()) {
                        // 拼接完整的标签内容
                        String innerText = output.subSequence(startPos, output.length()).toString();
                        lastTagResult[0] = "<" + tagName + ">" + innerText + "</" + tagName + ">";
                        output.removeSpan(span);
                        break;
                    }
                }
            }
        }
    }
});

Log.d("HTML_EXTRACT", lastTagResult[0]); // 输出：<u>hello</u>

注意事项 #

• 正则方案适合结构简单、标签规范的HTML，开发速度快但容错性差；
• 原生解析方案适配复杂HTML场景，容错性强，代码稍复杂但稳定性更高；
• 如果你的项目允许引入第三方库，也可以考虑用Jsoup来解析HTML，它的API更友好，处理复杂HTML更得心应手。

内容的提问来源于stack exchange，提问作者PrajaktaParkhade