提取标签内容的正确方法

本文深入解析了如何安全、精准地使用 Java 的 `String.substring(int beginIndex, int endIndex)` 配合 `indexOf()` 动态定位标签边界，从纯文本中提取 `...` 类结构包裹的内容——强调 substring 本身不理解标签语义，成败关键在于正确计算起始偏移（`startIndex + "".length()`）和结束位置（`endIndex` 不包含），同时直面索引越界、多标签干扰、属性变化等实战陷阱，并明确指出：该方法仅适用于格式严格、无嵌套的轻量场景；一旦涉及真实 HTML、大小写不敏感、空格变异或嵌套结构，务必升级为正则表达式或专业解析器（如 Jsoup），避免“看似能跑，实则脆弱”的技术债务。

用 String.substring(int beginIndex, int endIndex) 提取标签内容，关键不是“直接套用”，而是先准确定位起始和结束位置——因为 substring 本身不识别 HTML 或自定义标签，它只按字符索引截取。

明确标签边界：找对 beginIndex 和 endIndex

假设文本是 "你好，欢迎光临"，想提取“你好”：

• beginIndex 应该是 结束位置的下一个字符索引，即 "".length()
• endIndex 应该是 开始位置，不是结束位置（因为 substring 的 endIndex 是**不包含**的）

分步操作：避免硬编码，用 indexOf 动态定位

• 用 str.indexOf(" 找起始标签开头
• 再用 str.indexOf(">", start) 找到该标签的闭合 >，+1 就是标签内容起点
• 用 str.indexOf("", start) 找结束标签位置，这就是 endIndex

示例代码逻辑：

String html = "你好，欢迎光临";
int startTag = html.indexOf("", startTag);
int endTag = html.indexOf("", startBrace);
if (startTag != -1 && startBrace != -1 && endTag != -1) {
    String content = html.substring(startBrace + 1, endTag);
    // → "你好"
}