URL锚文本正则表达式拉拔器

Question

所以我试图找出一个对我不起作用的正则表达式。我从来都不擅长写作，并希望有人能解释我在这里做错了什么。我正试图用Java从HREF中提取锚文本。我已经下载了我正在寻找文本的页面，但是出于某种原因它不会剥离我需要它的东西。在每一页上，类和标题都不会改变 - 实际上，我只想要具有特定类和标题的那些。

s = <span class="alwaysTheSameClass"><a title="alwaysTheSameTitle" href="differentEveryTime">TextImTryingToPull</span><br>
s = s.replace(,""<span class=\"alwaysTheSameClass\"><a title=\"alwaysTheSameTitle\" href=\".*\">"")

每次我这样做，它都会打印出来。我做了一个s.contains，但它出现了错误。正如我所说，我对正则表达式很恐怖 - 我认为这个可能很简单，但我显然错了。我的问题在哪里？

谢谢你们！

Answer 1

有几个问题，首先您在示例中缺少关闭锚标记</a>。在你的正则表达式中，你需要转义任何/个字符，这样它们看起来就像\/。您的string.replace声明似乎缺少搜索内容部分see java manual

描述

此正则表达式将查找title属性为alwaysTheSameTitle的所有锚标记。表达式确实要求属性的值被单引号或双引号括起来。找到它后，表达式将捕获href属性值以及打开和关闭锚文本之间的字符串。此表达式将允许href和title属性以任何顺序出现在锚标记中。

<a\b(?=\s)(?=[^>]*\s\btitle=(["'])alwaysTheSameTitle\1)(?=[^>]*\s\bhref=(["'])((?:(?!\2)|.)*)\2)[^>]*>(.*?)<\/a>

组

组0将从开放标记中获取整个锚标记以关闭标记

1. 将打开引号类型为单引号或双引号，在\1使用此类型来验证您是否具有title属性值的正确结束字符
2. 将打开引号类型为单引号或双引号，在\2使用此类型来验证您是否具有href属性值的正确结束字符
3. 将具有href属性值字符串，不包括引号
4. 将字符串包含在锚标记
中

匹配示例

给定输入文本<span class="alwaysTheSameClass"><a title="alwaysTheSameTitle" href="differentEveryTime">TextImTryingToPull</a></span><br>

匹配

[0] => <a title="alwaysTheSameTitle" href="differentEveryTime">TextImTryingToPull</a>
[1] => "
[2] => "
[3] => differentEveryTime
[4] => TextImTryingToPull

声明

内部文本应该使用html解析引擎来提取，这样可以避免在解析HTML文本的正则表达式失败时出现问题的边缘情况。但是，如果您控制HTML和/或您愿意接受由于模糊，稀有或非法html组成的罕见边缘情况的风险，此表达式将无法按预期工作，则正则表达式可能适用于你

Answer 2

从DOM获得答案会容易得多。例如：

var links = document.getElementsByTagName("a")
for (foo in links){
if(links[foo].title = "always the same"){
var bar = links[foo].href; //this should get your href
alert(bar);
}
}

干杯， LC