正則表達式 - 在java中

Question

匹配整個標籤我想使用此代碼使用正則表達式在Java中來匹配這個<a href="**something**">：

Pattern regex = Pattern.compile("<([a-z]+) *[^/]*?>"); 
       Matcher matcher = regex.matcher(string); 
       string= matcher.replaceAll(""); 

我不是很熟悉的正則表達式。我究竟做錯了什麼？由於

Answer 1

如果你只是想找到起始標籤，你可以使用：

"<a(?=[>\\s])[^>]*>" 

如果您想獲得href屬性倒不如使用：

"<a\\s+[^>]*href=(['\"])(.*?)\\1[^>]*>" 

這將捕獲鏈接到捕獲組2中。

Answer 2

你可以對陣：

"<a[^>]*>" 

如果*是java的「貪婪」（我想是的，這是正確的） 但你不能匹配< a whatever="foo" >這一說法，因爲空格。

雖然下面是更好的，但更復雜的理解：

"<\\s*a\\s+[^>]*>" 

（需要雙\\因爲\是一個java字符串特殊字符）

該處理前的可選空格並在a之後至少有一個空格。 所以你不匹配<abcdef>這不是一個正確的標籤。 （我假設你的標籤站在一條線上，並且你沒有啓用多線模式，否則它會變得更加複雜）。 你最後的*[^/]*?>看起來有點奇怪，也許它不起作用。 。

確定可以檢查你正在做什麼：

<([a-z]+) *[^/]*?> 

<([a-z]+) 

匹配的東西，包含<接着是[A-Z]至少一次。這由括號分組。

現在您使用的是*這意味着定義的組([a-z])*可能會出現多次，或者不會。

[^/]* 

這意味着現在很百搭，但/或沒有（因爲*）的

問號是錯誤的，不知道該如何解釋。

最後一個字符>與最後一個元素匹配，必須出現。

綜上所述，你的表達是錯誤的，不能工作:)

看看：http://www.regular-expressions.info/

這是一個很好的起點。

Answer 3

爲了讓您瞭解人們爲什麼總是說「不要嘗試用正則表達式解析HTML」，這裏是簡化的正則表達式的<a>標籤匹配：

<\s*a(?:\s+[a-z]+(?:\s*=\s*(?:[a-z0-9]+|"[^"]*"|'[^']*'))?)*\s*> 

它實際上是可能的標籤的使用正則表達式匹配。它並不像大多數人所期望的那麼容易。

另一方面，所有的HTML都不是「常規」的，所以你不能用正則表達式來完成。 （許多/大多數語言中的「正則表達式」支持實際上比「常規」支持更強大，但很少有足夠強大的功能來處理HTML等平衡結構。）

下面是上述表達式的細節：

<\s*    < and possibly some spaces 
a    "a" 
(?:    0 or more... 
    \s+    some spaces 
    [a-z]+   attribute name (simplified) 
    (?:    and maybe... 
    \s*=\s*   an equal sign, possibly with surrounding spaces 
    (?:    and one of: 
     [a-z0-9]+  - a simple attribute value (simplified) 
     |"[^"]*"   - a double-quoted attr value 
     |'[^']*'   - a single quoted atttr value 
    ) 
)? 
)* 
\s*>    possibly more spaces and then > 

（在每個組的開始評論也談運營商在 組的結束，甚至在該組中。）

這裏還有其他可能的簡化 - 我寫的這從 內存，而不是從規格。即使你遵循規範，瀏覽器的容錯性也會更大，並會接受各種無效輸入。