从HTML中获取href标记

Question

我有以下代码从正确运行的XML中获取一个href标记网址：

Pattern p = Pattern.compile("<a[^>]+href\\s*=\\s*['\"]([^'\"]+)['\"][^>]*>");
Matcher m = p.matcher(xmlString);
while (m.find())
    imagesURLs.add(m.group(1));

我有以下内容：

<a href="http://...">some text</a>

热门代码在<a href="http://...">和m.group(0)中http://...获取m.group(1)。

我还希望得到完整的<a href="http://...">some text</a>。

如何通过修改正则表达式来实现这一目标？

Answer 1

有关使用正则表达式解析html的所有免责声明：您可以使用此

(?is)(<a[^>]+href\s*=\s*(['"])([^'"]+)\2[^>]*>).*?</a>

1. 第0组是整场比赛：<a href="http://...">some text</a>
2. 第1组是开场代码：<a href="http://...">
3. 第2组是我添加的内容，以确保您的开场报价与结束报价相同。忽略它。 4第3组是网址：http://...

查看this demo

中的群组

如你所知，要在Java中使用，你需要转义一些字符。类似的东西：

Pattern p = Pattern.compile("(?is)(<a[^>]+href\\s*=\\s*(['\"])([^'\"]+)\\2[^>]*>).*?</a>");