Java String包含一个特殊的Char，但是甚至没有一个Char

Question

我正在寻找每个URL，它在html文档中被链接为“eye”。我正在使用正则表达式模式，因为简单包含在这一点上没有解决方案。所以我得到了这样的模式

模式:: href=\"(https?://)?[a-zA-z0-9?/&=\"+-_\\.# ]*>[Ee]ye

它的工作......很好...或多或少...因为我得到的链接比“眼睛”或“眼睛”更多。我会得到链接为“eyebrights”或“eyewears”的网址，但这不是我想要的。

有什么方法可以说“当我想要的东西超过我的时候，让我这个并忽略它”吗？

Answer 1

应该尝试avoid using regex to parse XML/HTML。请改用jsoup之类的XML / HTML解析器。使用此库，我们的代码可能如下所示：

Elements links = doc.select("a[href]:matches(^[eE]ye\\b)");
//Elements extends ArrayList<Element> so you can easily iterate over it

http://jsoup.org/cookbook/extracting-data/selector-syntax

的更多信息

Answer 2

在\b之后添加eye：

href=\"(https?://)?[a-zA-z0-9?/&=\"+-_\\.# ]*>[Ee]ye\\b

\b：在字边界处断言位置。