Question

我将网页转换为字符串，我试图从此行中提取三个数字。

<td class="col_stat">1</td><td class="col_stat">0</td><td class="col_stat">1</td>

从上面的一行我已经开始提取第一个＆＃39; 1＆＃39;使用这个

String filePattern = "<td class=\"col_stat\">(.+)</td>";
    pattern = Pattern.compile(filePattern);
    matcher = pattern.matcher(text);
    if(matcher.find()){
        String number = matcher.group(1);
        System.out.println(number);
    }

现在我要做的是提取0和最后1，但是当我尝试编辑上面的正则表达式时，只需在控制台上输出完整的网页。任何人都有任何建议？感谢

Answer 1

鉴于在HTML / XML上使用正则表达式是一个臭名昭着的问题（请参阅此处definitive answer），我建议使用HTML解析器可靠（例如{{3 - 虽然它是一个HTML漂亮的打印机，但它也为文档提供了一个DOM接口）

Answer 2

正则表达式匹配是贪婪的，请尝试这样做（仅查找(\d+)而不是(.+)（在最后</td>之前匹配所有内容）：

String text = 
    "<td class=\"col_stat\">1</td>" + 
    "<td class=\"col_stat\">0</td>" + 
    "<td class=\"col_stat\">1</td>";
String filePattern = "<td class=\"col_stat\">(\\d+)</td>";
Pattern pattern = Pattern.compile(filePattern);
Matcher matcher = pattern.matcher(text);
while (matcher.find())
{
    String number = matcher.group(1);
    System.out.println(number);
}

在相关的说明中，我完全同意其他人使用更有条理的方法来解释HTML的建议。

Answer 3

<td class=\"col_stat\">(.+)</td>

这个正则表达式很贪婪。如果您希望使用数字 - 将其更改为：

<td class=\"col_stat\">(\\d+?)</td>

我宁愿建议使用XPath进行这种匹配，请参阅Saxon和TagSoup

Answer 4

这是因为你的匹配器是greedy。你需要一个非贪婪的匹配器来解决这个问题。

String text = "<td class=\"col_stat\">1</td><td class=\"col_stat\">0</td><td class=\"col_stat\">1</td>";

    String filePattern = "<td class=\"col_stat\">(.+?)</td>";
    Pattern pattern = Pattern.compile(filePattern);
    Matcher matcher = pattern.matcher(text);
    while (matcher.find()) {
        String number = matcher.group(1);
        System.out.println(number);
    }

Answer 5

试试这个正则表达式：

<td class="col_stat">(\d+)[^\d]+(\d+)[^\d]+(\d+)

执行以下操作：

搜索您的起始字符串
选择一个小数点链
跳过任何非小数
选择一个小数点链
跳过任何非小数
选择一个小数点链

Java RegEx - 仅从网页中提取数字

5 个答案: