Question

我有一位朋友曾在某个时间点工作过。在学习正则表达式时，我不明白为什么它会像沙箱测试人员一样对它有所了解。

private static final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"(/*\\w*/*\\w*/\\d+.html)\">",Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

上述正则表达式模式中的/是什么？这种模式已经破裂，我不确定如何解决。

这是它在调试器中出现的方式：

href="(/*\w*/*\w*/\d+.html)">

这是正则表达式如何分解？

href="     ... matches href="
/*         ... matches 0 or more occurrences of /   
\w*        ... matches 0 or more occurrences of word characters   
/*         ... matches 0 or more occurrences of /   
\w*        ... matches 0 or more occurrences of word characters   
/          ... matches a /  
\d+        ... matches one or several digits   
.html)">   ... matches /html

以下是网页来源的片段，它应该用来捕获href =＆＃34; /reo/4890530477.html"：

<a href="/reo/4890530477.html" class="i" data-ids="0:00j0j_jDfSzBcGgid"></a>

Answer 1

final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"/\\w+/\\w+/\\d+\\.html\"")

应匹配

href="/[word]/[word]/[number].html"

你可能想要：

final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"(/\\w+)*/\\d+\\.html\"")

哪个匹配

href="[0+ groups of '/word']/[number].html"

使用Java，你需要使用两个反斜杠\\来创建一个包含反斜杠的字符串...例如，如果你想要一个\d的正则表达式模式，你需要一个字符串声明为"\\d"，因为Java语言使用与正则表达式相同的转义字符。

我强烈建议你花一个小时来完成以下免费的正则表达式教程：

http://regexone.com/

它是互动的，是一块蛋糕可以通过。当你完成后，我保证你会更好地理解它们。

对于第二个Jens，使用html解析器可能比使用正则表达式更好。你可以查看jsoup;这是我用的。

http://jsoup.org/

Answer 2

字符/在Java中没有任何特殊含义正则表达式语法/语言。只是：/字面值。

Java RegExp API支持的元字符是：<([{\^-=$!|]})?*+.>

见这里： http://docs.oracle.com/javase/tutorial/essential/regex/literals.html

java，正则表达式，＆amp;匹配

2 个答案: