Java截取网页源代码的问题
========网页源码如下=========
..........
..........
<div class="neirong">
《疯狂android讲义》
<br />
第1章  android应用与开发环境1
<br />
1.1  android的发展和历史2
<br />
1.1.1  android的发展和简介2
<br />
1.1.2  android平台架构及特性3
<br />
..........
..........
<div class="read-more">

========================
要求:
1.以 class="neirong" 作为标识，真正截取的是从第1章开始，到<div class="read-more">结束。
2.去除<br />等杂项，最后希望呈现的String为：
================================
第1章  android应用与开发环境    1

1.1  android的发展和历史    2

1.1.1  android的发展和简介    2

================================
这种干净的格式
3.页码与前面的文字之间必须是TAB（制表符）！这点很重要！！
求高手指点思路，或提供源码，小弟感激不尽！！
------解决方案--------------------

import java.util.Arrays;

import java.util.regex.Matcher;

import java.util.regex.Pattern;





public class dsfg {

public static void main(String[] args){

	String s="<div class=\"neirong\">"

+"《疯狂android讲义》"+

"<br />"+

"第1章  android应用与开发环境1"+

"<br />"+

"1.1  android的发展和历史2"+

"<br />"+

"1.1.1  android的发展和简介2"+

"<br />"+

"1.1.2  android平台架构及特性3"+

"<br />"+

"...................."+

"<div class=\"read-more\">";



Pattern p=Pattern.compile("<div class=\"neirong\">(.*)<div class=\"read-more\">");

Matcher m=p.matcher(s);

while(m.find()){

	

	String[] a=m.group(1).split("<br />");

	for(int i=2;i<a.length;i++){

		Pattern pa=Pattern.compile("(.*)(\\d)");

		Matcher ma=pa.matcher(a[i]);



		while(ma.find()){

			

			System.out.printf("%s\t%d\n",ma.group(1),Integer.parseInt((ma.group(2))));

		}

	}

		

		

}

}

}

------解决方案--------------------
头和尾的===========没加
写成了一个工具类

String html="ss<p>kk</p>ss";

public static List<String> getContext2(String html) {

		

		List<String> resultList = new ArrayList<String>();

        Pattern p = Pattern.compile("第一章(.*?)<div class=\"read-more\">");//匹配<p>开头，</p>结尾的文档

        Matcher m = p.matcher(html );//开始编译

        while (m.find()) {

        	String str=m.group(1);

        	str=str.replaceAll("<br />", "");

            resultList.add(m.group(1));//获取被匹配的部分

        }

        return resultList;

    }