Java的正則表達式匹配器問題

Question

如何匹配的URL字符串是這樣的：

IMG SRC =「https://stackoverflow.com/a/b/c/d/someimage.jpg」

僅有的則是變量，域名和文件擴展名（JPG）是固定的？

下面的代碼似乎並不工作：

Pattern p = Pattern.compile("<img src=\"http://stachoverflow.com/.*jpg"); 
    // Create a matcher with an input string 
    Matcher m = p.matcher(url); 
    while (m.find()) { 
    String s = m.toString(); 
    } 

Answer 1

首先，我會使用group()方法來檢索匹配的文本，而不是toString()。但它可能只是你想要的URL部分，所以我會使用圓括號來捕獲該部分，並致電group(1)檢索它。

其次，我不會假設src是<img>標記中的第一個屬性。例如，在SO上通常會有一個class屬性。您希望添加一些內容來匹配中介屬性，但要確保它不能匹配標籤的末尾。 [^<>]+可能就足夠了。

第三，我會使用比.*更具限制性的內容來匹配未知部分和路徑。總有那麼你會發現在一行中兩個URL，這樣的機會：

<img src="http://so.com/foo.jpg"> blah <img src="http://so.com/bar.jpg"> 

在這種情況下，在你的正則表達式將縮小差距的.*，給你一個地方你想兩個賽。再次，[^<>]*可能會受到限制。

還有其他幾個潛在的問題。屬性值是否總是用雙引號括起來，或者它們可能是單引號的，或者根本不引用？ =周圍會有空白嗎？元素和屬性名稱總是小寫嗎？

...我可以繼續。正如已經多次指出的那樣，正則表達式並不是使用HTML的正確工具。他們通常可以處理像這樣的簡單任務，但重要的是要了解他們的侷限性。

這裏是我的修訂您正則表達式的版本（如Java字符串字面）：

"(?i)<img[^<>]+src\\s*=\\s*[\"']?(http://stackoverflow\\.com/[^<>]+\\.jpg)" 

Answer 2

有一對夫婦的匹配你給樣本串正則表達式的問題。不過，你已經很近了。這是你的代碼固定，使其工作：

import java.util.regex.Matcher; 
import java.util.regex.Pattern; 

public class TCPChat { 

    static public void main(String[] args) { 
    String url = "<img src=\"http://stackoverflow.com/a/b/c/d/someimage.jpg\">"; 
    Pattern p = Pattern.compile("<img src=\"http://stackoverflow.com/.*jpg\">"); 
    // Create a matcher with an input string 
    Matcher m = p.matcher(url); 
    while (m.find()) { 
     String s = m.toString(); 
     System.out.println(s); 
    } 
    } 
}