Question

这是我想要获取数据的字符串的格式/示例：

<span style='display:block;margin-bottom:3px;'><a style='margin:4px;color:#B82933;font-size:120%' href='/cartelera/pelicula/18312'>Español  </a></span><br><span style='display:block;margin-bottom:3px;'><a style='margin:4px;color:#FBEBC4;font-size:120%' href='/cartelera/pelicula/18313'>Subtitulada  </a></span><br>          </div>

这是我正在使用的正则表达式：

"pelicula/([0-9]*)'>([\\w\\s]*)</a>"

我在RegexPlanet中测试了这个正则表达式，结果没问题，它给了我预期的结果：

group(1) = 18313
group(2) = Subtitulada

但是当我尝试在Java中实现该正则表达式时，它不会匹配任何东西。这是代码：

Pattern pattern = Pattern.compile("pelicula/([0-9]*)'>([\\w\\s]*)</a>");              
            Matcher matcher = pattern.matcher(inputLine);            
            while(matcher.find()){
                    version = matcher.group(2);
                }
            }

问题是什么？如果正则表达式已经过测试，并且在相同的代码中我搜索了更多模式，但我遇到了两个问题（我在这里只展示了一个）。提前谢谢！

的的 _ 修改的 _ _ < / p>

我发现了问题...如果我检查页面的源代码它会显示所有内容，但是当我尝试从Java中使用它时，它会获得另一个源代码。为什么？因为此页面要求您的城市，所以它可以显示有关该城市的信息。我不知道是否有关于实际访问我想要的信息的解决方法，但就是这样。

Answer 1

您的正则表达式是正确的，但似乎\w与ñ不匹配。

我将正则表达式更改为

"pelicula/([0-9]*)'>(.*?)</a>"

它似乎匹配两个事件。在这里，我使用了不情愿的*?运算符来阻止.*匹配首先<a>到最后<\a>之间的所有字符有关说明，请参阅What is the difference between `Greedy` and `Reluctant` regular expression quantifiers?。

@Bohemian指出，如果Pattern.DOTALL中的文字有换行符，您可能需要启用<a>标记

Answer 2

如果你的输入是多行（即它包含换行符），你需要打开“点匹配换行符”。

有两种方法可以做到这一点：

在你的正则表达式中使用“dot matches newline”正则表达式开关(?s)：

Pattern pattern = Pattern.compile("(?s)pelicula/([0-9]*)'>([\\w\\s]*)</a>");

或在Pattern.DOTALL的调用中使用Pattern.compile()标记：

Pattern pattern = Pattern.compile("pelicula/([0-9]*)'>([\\w\\s]*)</a>", Pattern.DOTALL);

无法在Java中获得正则表达式的匹配项

2 个答案: