Question

好的，快速提问。我是Java的新手，我有一个作业，我必须从页面的标题标签中获取一个人的名字。我知道我的正则表达式，但我不能（或不知道如何）逃避一些角色。

示例

<title>Mr. Somebody | Department in which he's in</title>

所以，基本上我需要一个能让我成为“Mr. Somebody”的正则表达式。我试过了：

Pattern pat = Pattern.compile("<title>(.+?)|");                               
Matcher mat = pat.matcher(data);
boolean found = false;
while (!found && mat.find()) {
      name = mat.group(0);
      found = true;
}
System.out.println("Found a name : " + name);

我的问题是，无论我尝试过什么，我能得到的最多的是第一个角色。你认为使用indexOf和substrings的更简单的方法会更好，还是regexp仍然可行？

我知道通常regexp不适合解析html标签，但我正在考虑将此搜索更多地用于字符串搜索，因为我对整个标记（或其他可能包含的标记）不感兴趣。

非常感谢任何形式的帮助：）

Answer 1

你需要转义管道，因为它是一个在正则表达式中具有特殊含义的字符。尝试：

<title>(.+?)\\|

|表示“或”，表示正则表达式会尝试与<title>(.+?)或任何内容匹配（|之后没有任何内容。

当它尝试与<title>(.+?)匹配时，它只会获得第一个字符，因为.+?是懒惰的（它尽可能少地匹配）。

或者，您可以使用否定的类：

<title>([^\\|]+)

[^\\|]+将匹配管道以外的任何字符。

Answer 2

应该有效

Pattern pat = Pattern.compile("<title>(.*?)\\|");

并使用

mat.group(1) instead of mat.group(o);

Answer 3

这是一种方法，如果你愿意，可以避免使用Pattern和Matcher：

String name = "<title>Mr. Somebody | Department in which he's in</title>";
name = name.substring(7).replaceAll("\\|.*", "");

substring（7）将删除第一个标记，然后replaceAll将从管道字符开始删除所有内容（替换为空字符串）。

Answer 4

也许这就是你想要的：

(?<=<title>)(.+?(?=[|].+?))(?=.+?</title>)

归还某人先生。例如，您可以对其进行测试here。

Answer 5

这是一种方式：

<\s*title[^>]*>\s*([^\|]+)

带走领先的白色空间。
处理某人可能添加到标题标签的任何可能奇怪的属性，即<title data-cookies="I hide cookies here :P">I like titles</title>
处理标题前添加的任何空格，即< title >仍然有效。

java正则表达式解析部分标题标记

5 个答案: