Java将字符串与通配符regex匹配以查找<h1>标记</h1>

时间:2012-11-10 11:18:41

标签: java html regex html-parsing

我有几个HTML文件,每个文件都有一个<h1>标记。我想解析该标签以获取它的内容(书名)。标签看起来像这样:

<H1>bookname</H1>

我正在尝试使用此代码:

Scanner scan = new Scanner(file, "Windows-1255");
String name="";
Pattern p = Pattern.compile("<H1>*</H1>"); //tried adding '(' and ')' around the '*', didn't help
while (scan.hasNext()) {
    name = scan.nextLine();
    Matcher m = p.matcher(name);
    if (m.matches()) {
        name = name.substring(4, name.length() - 6);
        break;
    }
}

它不起作用,h1标签永远不匹配,我没有得到名称。 这应该怎么做?

也许重要的是,H1标签的内容是希伯来语,charset = Windows-1255。

2 个答案:

答案 0 :(得分:2)

尝试使用

Pattern p = Pattern.compile("<H1>.*</H1>");

(注意额外的. - 你的版本只匹配空标签。)

答案 1 :(得分:2)

我找到了一个可能对你有用的例子。 它简化并概括了匹配过程,因此您不需要对找到的模式进行子串:

String stringToSearch = "<h1>Yada yada yada yada </h1>";
String name = "";

// the pattern we want to search for
Pattern p = Pattern.compile("<h1>.*</h1>");
Matcher m = p.matcher(stringToSearch);

// if we find a match, get the group 
if (m.find())
{
  // get the matching group
  name = m.group(1);
}