我想解析HTML代码并从表格中的文本表示创建对象。我有几列，我想在每一行保存某些列的上下文。 现在，我有HTML代码，我知道我应该使用Pattern和Matcher来获取这些字符串，但我不知道如何编写所需的正则表达式。
这是我要解析的一行：
<tr><td><a href="delirium.htm">Delirium</a></td><td>65...</tr>
所以，我想从该字符串中提取Delirium。如何编写sais
的正则表达式获取字符串htm">和</a></td>
答案 0 :(得分：4)
这是一个关于SO的常见问题，答案总是一样的：正则表达式是一种用于解析HTML的糟糕且有限的工具，因为HTML不是常规语言。
您应该使用an HTML parser，例如HTML Parser。
如果您对“常规语言”的含义感到好奇，请查看JMD, Markdown and a Brief Overview of Parsing and Compilers。基本上，正则表达式是DFA（确定性有限自动机或确定性有限状态机）。 HTML需要PDA（下推自动机）来解析。 PDA是具有堆栈的DFA。它是处理递归元素的方式。
答案 1 :(得分：-1)
htm">(.+)</a></td>
搜索.+和htm">之间的任何字符（即</a></td>位），并返回其间的内容以与Pattern.matcher（）一起使用（这就是为什么有括号.+）