Question

可能重复：
Extract text and links from HTML using Regular Expressions

给定包含HTML的字符串，例如：

       <td scope="row">1</td> 
        <td scope="row"></td> 
        <td scope="row"><a href="/Archives/directory.htm">directoryfile.htm</a></td> 
        <td scope="row">directoryfile</td> 
        <td scope="row">104569</td> 
     </tr> 
     <tr class="blueRow"> 
        <td scope="row">2</td> 
        <td scope="row"></td> 
        <td scope="row"><a href="/Archives/historicaldata.htm</a></td> 
        <td scope="row">historicaldata</td> 
        <td scope="row">40361</td> 
     </tr> 
     <tr> 
        <td scope="row">&nbsp;</td> 
        <td scope="row"><span class="blue">Complete submission text file</span></td> 
        <td scope="row"><a href="/Archives/businessagenda.txt</a></td> 
        <td scope="row">businessagenda;</td> 
        <td scope="row">146701</td>

我想使用正则表达式获取历史数据的链接。但是，似乎我的程序没有找到链接，我没有看到问题，因为正则表达式适用于测试人员。你们能看出问题是什么吗？

我知道正则表达式不适合与HTML一起使用，但我只想尝试一下。谢谢大家！

模式数据= Pattern.compile（“Archives。* \ s。* historicaldata”）;
  Matcher test1 = data.matcher（inputHTML）;

  while（test1.find（））{
  System.out.println（“测试：现在匹配”）; //不打印
  }

Answer 1

如果您只想匹配'Archives \ historicaldata'，那么您的正则表达式字符串应该是 "Archives\/historicaldata"实际上您可以使用"Archives/historicaldata"

Answer 2

以您的模式"Archives.*\s.*historicaldata"

Pattern data = Pattern.compile("Archives.*\s.*historicaldata");

\s表示空格[1]，因为"/Archives/directory.htm"中没有空格，所以它不匹配。试试吧

Pattern data = Pattern.compile("Archives.*historicaldata");

[1]“\ s”也不正确 - 要在模式中获取，你必须转义反斜杠，使其成为“Archives。* \ s。* historicaldata”

正则表达式从HTML中提取链接

2 个答案: