有一天我会擅长正则表达式，但现在......
我正在解析使用以下表达式查找MP3文件的HTML页面（可以正常工作）：
"<A HREF=\"([^\"]+)\"[^>]*>([^<]+?)\\.mp3</A>"
我现在想要搜索MP3和OGG文件。看起来像一个简单的OR修改（.mp3 || .ogg），但我不太确定我是怎么把它放在那里的？有关详细信息，请参阅Trying to parse links in an HTML directory listing using Java regex。
答案 0 :(得分：5)
您有以下Java字符串文字：
// Java string literal
"<A HREF=\"([^\"]+)\"[^>]*>([^<]+?)\\.mp3</A>"
当处理所有转义序列时，此字符串表示的模式为：
// the regex pattern
<A HREF="([^"]+)"[^>]*>([^<]+?)\.mp3</A>
现在让我们分开这个模式：
_________ _ _ E________
<A HREF="([^"]+)"[^>]*>([^<]+?)\.mp3</A>
\_____/ \______/
1 2
所以这个正则表达式的部分是：
<A HREF="字面匹配([^"]+)，即除了双引号之外的所有内容，在第1组中捕获"字面意思[^>]*，即> >字面匹配([^<]+?)，即第2组中捕获的尽可能少的<以外的所有内容.mp3</A>字面匹配（.通过反斜杠进行转义）所以看看这个，我们可以观察到正则表达式做出以下假设：
href属性值与第2部分匹配;它必须用双引号括起来，并且本身不能包含任何转义的双引号。此匹配将捕获到组1中。href必须是第一个属性，否则正则表达式将不匹配。使用正则表达式解析HTML是一件棘手的事情，但是考虑到许多假设，上述正则表达式似乎能够在大多数时间内完成工作。
Alternation是使用垂直条完成的。了解其优先级以及分组如何有用非常重要。
this|that匹配以下两个字符串中的一个：
"this" "that" this|that thing匹配以下两个字符串中的一个：
"this" "that thing" (this|that) thing匹配以下两个字符串中的一个：
"this thing" "that thing" (this|that) (thing|stuff)匹配以下四个字符串中的一个：
"this thing" "that thing" "this stuff" "that stuff" 为了同时允许mp3和ogg扩展，我们可以将模式中的mp3修改为(mp3|ogg)。请注意，此组将匹配并将扩展名捕获到组3中。
因此，最终模式是：
<A HREF="([^"]+)"[^>]*>([^<]+)\.(mp3|ogg)</A>
\_____/ \_____/ \_______/
1:url 2:filename 3:ext
作为Java字符串文字，这是：
"<A HREF=\"([^\"]+)\"[^>]*>([^<]+)\\.(mp3|ogg)</A>"
[…]是character class。像[aeiou]这样的东西匹配任何一个小写元音。 [^…]是否定的字符类。 [^aeiou]与除了小写元音之外的任何内容匹配。
(…)是capturing group。它允许稍后检索匹配的字符串。
*和+为repetition specifiers。默认情况下，重复是贪婪的（即尽可能匹配多）。 ?中的+?使其不情愿（即匹配为少数）。
请注意，?在其他情境中也可能充当optional repetition specifier。
.是matches (almost) any character的元字符。由于我们需要一个文字句号，我们通过前面的双打来逃避它。
请注意，正则表达式模式默认区分大小写。在Java中，您可能希望在模式中使用Pattern.CASE_INSENSITIVE标志（可嵌入为(?i)）。
答案 1 :(得分：4)
Replace
\.mp3
with
\.((mp3)|(ogg))
请注意使用正则表达式解析HTML。