最近发现越来越多的网站喜欢使用自动提取标签栏，如小编常去的糗事百科网站就有一个，截图如下：

如上图。大家看右边部分，搜索框下方就是一个自动提取的标签栏。通过点击这些出现频率比较高的关键词，用户可以看到所有出现过此关键词的帖子。结合站内搜索框来说，即成为一个强大的搜索工具。对于网站内容多，更新快，分类多等类型的网站来说，是比搜索框更便利的搜索工具，也将成为网页设计的潮流趋势之一。

虽然网页设计越来越便捷，但是这背后设计师所付出的努力却是艰辛的。我们看糗事百科一个看似很简单的网站，但是如果请专业的网站建设公司来制作的话，成本最低都要好几万。这也能解释为什么我们看起来不起眼的随手的一个工具，说不定都凝聚了大批的设计师长时间的努力结果。

这个自动提取标签的设计也是一样。小编研究了一段时间，搜索了很多资料，才得出比较简单一点的设置方法。实际上这个方法并非对所有的程序都有效，而只是对JAVA程序而言的。在此将此段程序贴上来与大家分享：

1. import java.io.BufferedReader;  
2. import java.io.InputStreamReader;  
3. import java.net.URL;  
4. import java.util.regex.Matcher;  
5. import java.util.regex.Pattern;  
6.   
7. public class URLTest {  
8.   
9.     /** 
10.      * @param args 
11.      * @throws URISyntaxException  
12.      */  
13.     public static void main(String[] args) throws Exception {  
14.         URL url = new URL("http://www.ascii-code.com/");  
15.         InputStreamReader reader = new InputStreamReader(url.openStream());  
16.         BufferedReader br = new BufferedReader(reader);  
17.         String s = null;  
18.         while((s=br.readLine())!=null){  
19.             s = GetLabel(s);  
20.             if(s!=null){  
21.                 System.out.println(s);  
22.             }  
23.         }  
24.         br.close();  
25.         reader.close();  
26.     }  
27.       
28.     public static String GetContent(String html) {  
29.         //String html = "
    • 1.hehe
    • 2.hi
    • 3.hei
    ";  
30.         String ss = ">[^<]+<";  
31.         String temp = null;  
32.         Pattern pa = Pattern.compile(ss);  
33.         Matcher ma = null;  
34.         ma = pa.matcher(html);  
35.         String result = null;  
36.         while(ma.find()){  
37.             temp = ma.group();  
38.             if(temp!=null){  
39.                 if(temp.startsWith(">")){  
40.                     temp = temp.substring(1);  
41.                 }  
42.                 if(temp.endsWith("<")){  
43.                     temp = temp.substring(0, temp.length()-1);  
44.                 }  
45.                 if(!temp.equalsIgnoreCase("")){  
46.                     if(result==null){  
47.                         result = temp;  
48.                     }  
49.                     else{  
50.                         result+="____"+temp;  
51.                     }  
52.                 }  
53.             }  
54.         }  
55.         return result;  
56.     }  
57.       
58.     public static String GetLabel(String html) {  
59.         //String html = "
    • 1.hehe
    • 2.hi
    • 3.hei
    ";  
60.         String ss = "<[^>]+>";  
61.         String temp = null;  
62.         Pattern pa = Pattern.compile(ss);  
63.         Matcher ma = null;  
64.         ma = pa.matcher(html);  
65.         String result = null;  
66.         while(ma.find()){  
67.             temp = ma.group();  
68.             if(temp!=null){  
69.                 if(temp.startsWith(">")){  
70.                     temp = temp.substring(1);  
71.                 }  
72.                 if(temp.endsWith("<")){  
73.                     temp = temp.substring(0, temp.length()-1);  
74.                 }  
75.                 if(!temp.equalsIgnoreCase("")){  
76.                     if(result==null){  
77.                         result = temp;  
78.                     }  
79.                     else{  
80.                         result+="____"+temp;  
81.                     }  
82.                 }  
83.             }  
84.         }  
85.         return result;  
86.     }  
87. }  

其中：GetContent用来获取标签内容，而GetLabel则用于获取标签。

实际上，这是正则法则运用中的一种。小编所运用到的这个正则法则的表达式是：

<[^>]+>：这个正则表达式可以匹配所有html标签,可以100%匹配，但需要注意页面编码方式和读取的编码方式。另外一个表达式是>[^<]+<，这个可以匹配标签内容。但由于小编对于正则法则不是非常的精通，并且时间有限，只研究出了这一种。另外用于设置网页自动提取标签的还有htmlparse、sax、dom4j等，但至于哪个更好用，哪个实现起来更容易，就要大家自己去探索了。