正則表達式從HTML中提取鏈接

可能重複：
Extract text and links from HTML using Regular Expressions 正則表達式從HTML中提取鏈接

給出一個包含HTML，如字符串：

 <td scope="row">1</td> 
     <td scope="row"></td> 
     <td scope="row"><a href="/Archives/directory.htm">directoryfile.htm</a></td> 
     <td scope="row">directoryfile</td> 
     <td scope="row">104569</td> 
    </tr> 
    <tr class="blueRow"> 
     <td scope="row">2</td> 
     <td scope="row"></td> 
     <td scope="row"><a href="/Archives/historicaldata.htm</a></td> 
     <td scope="row">historicaldata</td> 
     <td scope="row">40361</td> 
    </tr> 
    <tr> 
     <td scope="row">&nbsp;</td> 
     <td scope="row"><span class="blue">Complete submission text file</span></td> 
     <td scope="row"><a href="/Archives/businessagenda.txt</a></td> 
     <td scope="row">businessagenda;</td> 
     <td scope="row">146701</td>

我只想抓住歷史的鏈接使用正則表達式的aldata。但是，似乎我的程序沒有找到鏈接，並且我沒有看到問題，因爲正則表達式在測試儀上工作。你們可以看看有什麼問題嗎？

我明白正則表達式不是使用HTML的最好的東西，但我只是想嘗試一下。感謝大家！

模式數據= Pattern.compile（「Archives。* \ s。* historicaldata」）;
Matcher test1 = data.matcher（inputHTML）; （test1.find（））{

while（test1.find（））{
System.out.println（「Test：Now matching」）; //不打印
}

來源

2010-08-10 Jacob K.

鴨，在「ARRGGH！用正則表達式解析Html！」之前！人羣向你投擲一隻鞋。 – 2010-08-10 19:38:13

太遲了，[鞋子已被拋出]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454） – NullUserException 2010-08-10 19:43:46

我會看到你的「用正則表達式解析html」，並提出你「用於佈局的表格」，「爲顏色命名的css類」和「.htm而不是用文件名中的.html」 – 2010-08-10 19:46:18

如果你只是想匹配的「檔案\ historicaldata」，那麼你的正則表達式的字符串應該是事實上 "Archives\/historicaldata"您可以使用"Archives/historicaldata"

來源

2010-08-10 19:41:10

在你圖案"Archives.*\s.*historicaldata"

Pattern data = Pattern.compile("Archives.*\s.*historicaldata");

的\s裝置空格[1]，並且由於不存在空白在"/Archives/directory.htm"它不匹配。儘量只

Pattern data = Pattern.compile("Archives.*historicaldata");

[1]「\ S」是不正確也 - 讓在你必須轉義反斜線，因此成爲模式。「檔案* \ S * historicaldata」

來源

2010-08-10 19:52:07

正則表達式從HTML中提取鏈接

回答

相關問題