我會第一個承認我的正則表達式知識是無望的。我使用的Java與下列正則表達式來提取鏈接內容
Matcher m = Pattern.compile(">[^<>]*</a>").matcher(html);
while (m.find()) {
resp.getWriter().println(html.substring(m.start(), m.end()));
}
我得到以下列表：
>Link Text a</a>
>Link Text b</a>
我缺少的是去除>和</a>。
乾杯。
你可以做，通過包裝一組在你的正則表達式的一部分，然後用group(X)其中X是組數量：
Matcher m = Pattern.compile(">([^<>]*)</a>").matcher(html);
while (m.find()) {
resp.getWriter().println(m.group(1));
}
但是，更好的方法是使用一個簡單的解析器爲此：
import java.io.*;
import javax.swing.text.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
public class HtmlParseDemo {
public static void main(String [] args) throws Exception {
Reader reader = new StringReader("foo <a href=\"#\">Link 1</a> bar <a href=\"#\">Link <b>2</b> more</a> baz");
HTMLEditorKit.Parser parser = new ParserDelegator();
parser.parse(reader, new LinkParser(), true);
reader.close();
}
}
class LinkParser extends HTMLEditorKit.ParserCallback {
private boolean linkStarted = false;
private StringBuilder b = new StringBuilder();
public void handleText(char[] data, int pos) {
if(linkStarted) b.append(new String(data));
}
public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {
if(t == HTML.Tag.A) linkStarted = true;
}
public void handleEndTag(HTML.Tag t, int pos) {
if(t == HTML.Tag.A) {
linkStarted = false;
System.out.println(b);
b = new StringBuilder();
}
}
}
輸出：
Link 1
Link 2 more
您是否看過使用capturing group？
Pattern.compile(">([^<>]*)</a>")
然而要注意它通常是不建議用於HTML正則表達式，因爲HTML是不正規。您將通過使用HTML解析器（如JTidy）獲得更可靠的結果。
請記住，由於其有限性，您正則表達式（正則表達式和一般）可能會遇到的問題，如果你試圖解析HTML稍微複雜一些。例如，下面將不能正確解析，但完全是有效的（普通）HTML：
<a href="blah.html">this is only a <em>single</em> link</a>
你可能會更好使用DOM解析器（我敢肯定，Java有大量的選項，在此關注）您可以請求每個<a>標籤的內文。
不，它不會失敗，它只是不會給你你期望的;;）「>鏈接」 – falstro 2009-11-15 09:59:30
我遲到了，但我想指出的另一種選擇：如果你把你的初始>成一團糟，即
(?<=>)[^<>]*</a>
那麼它不應該退還
(?<=X) X, via zero-width positive lookbehind
作爲你結果的一部分。
雖然未經測試。祝你好運！
一個很好的快速的方法來測試你的正則表達式，就是用正則表達式編輯器，如下面的Eclipse插件： http://brosinski.com/regex/
@Littlejon - 正則表達式+ HTML的問題是不是很受追捧。 （順便說一句，我不是在這中間又獲得......前一個是我最downvoted答案永遠。http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml -self-contained-tags） – Kobi 2009-11-15 09:55:56
@Kobi - 所以我見過。但我只搜索HTML片段。也嘗試使用DOM沒有太大的成功。 – Littlejon 2009-11-15 09:58:09
作爲一個附錄，我完全意識到了這些限制，並且準備好將自己的腳指向一個加載槍:-) – Littlejon 2009-11-15 10:04:16