Question

我第一次尝试在Java中使用Regex。我想得到一些字符串的一部分。字符串有点复杂：

<description>
  &lt;a href='http://testlink.html' alt='some text'&gt;&lt;img border='0'
  src='http://s2.glbimg.com/zzag70iNYX-QK24sUp0YXQmmXhx7yb8j2Sq2YK7tvX3A6vCwEUOFnFTBONQFT-
  ni/s.glbimg.com/es/ge/f/original/2012/04/25/image.jpg' 
  alt='some' title='text' /&gt;&lt;/a&gt;&lt;br /&gt;some text; some text
</description>

我的需求是获取 href 和 alt 中的字符串。为此，我正在执行此代码：

for(Element element : elements)
{
    //Elements children = element.children();
Pattern pattern = Pattern.compile("a\\bhref=*(.html|.htm)>");
String[] data = pattern.split(element.text()); ...
}

等等。目前我只是试图获得 href 而没有成功。返回始终是整个字符串。不对吗？我把html扩展名保证，没有任何事情发生。

Answer 1

public static void main(String[] args){
  String sourcestring = "<description>&lt;a href='http://testlink.html' alt='some text'&gt;&lt;img border='0' src='http://s2.glbimg.com/zzag70iNYX-QK24sUp0YXQmmXhx7yb8j2Sq2YK7tvX3A6vCwEUOFnFTBONQFT-
ni/s.glbimg.com/es/ge/f/original/2012/04/25/image.jpg' 
alt='some' title='text' /&gt;&lt;/a&gt;&lt;br /&gt;some text; some text</description>";
  Pattern re = Pattern.compile("(?<=href='|alt=')[^']*|(?<=href=\"|alt=\")[^\"]*");
  Matcher m = re.matcher(sourcestring);
  int mIdx = 0;
    while (m.find()){
      for( int groupIdx = 0; groupIdx < m.groupCount()+1; groupIdx++ ){
        System.out.println( "[" + mIdx + "][" + groupIdx + "] = " + m.group(groupIdx));
      }
      mIdx++;
    }
  }

Answer 2

你的正则表达式不会找到对你有用的东西，甚至可能被破坏。

在正则表达式中如下：

* matches 0 or more of the preceding character

. is any character

所以你当前的正则表达式试图找到匹配模式的字符串，其中有a，a字边界，字符串href，0或更多=字符，然后是任何字符后跟html或任何字符后跟htm和然后a>字符。如果你想使用那些特殊字符，你需要逃避它们

形成正则表达式的更好方法就像Alogomorph上面的例子。

请查看正则表达式的Java文档，以获取有关允许内容的更多信息：http://docs.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html

网上还有很多其他教程和示例。

Answer 3

请勿对此任务使用正则表达式，除非绝对知道文本格式不会更改。你似乎想用regexps解析（X | HT）ML，那就是a bad thing。我建议解析为XML并使用XPath。

java regex获取字符串的某些部分

3 个答案: