Question

我有一个字符串，其中包含一些网址，我怎么能用正则表达式找到所有的href？

<a href="http://www.amazon.it/Die-10-Symphonien-Orchesterlieder-Sinfonie-Complete/dp/B003LQSHBO/ref=sr_1_2?ie=UTF8&qid=1440101590&sr=8-2&keywords=mahler">prodotto di prova</a>

现在我有这个找到所有亚马逊链接现在我需要添加href到这个正则表达式：

 String regex="(http|www\\.)(amazon|AMAZON)\\.(com|it|uk|fr|de)\\/(?:gp\\/product|gp\\/product\\/glance|[^\\/]+\\/dp|dp|[^\\/]+\\/product-reviews)\\/([^\\/]{10})";

Answer 1

这种模式适用于Java :( IDEONE here）

String input = "<a href=\"http://www.amazon.it/Die-10-Symphonien-Orchesterlieder-Sinfonie-Complete/dp/B003LQSHBO/ref=sr_1_2?ie=UTF8&qid=1440101590&sr=8-2&keywords=mahler\">prodotto di prova</a>\"";
String pattern = "href=(?<link>['\\\"](?:https?:\\/\\/)?(?:www\\.)?(?:amazon|AMAZON)\\.(?:com|it|uk|fr|de)\\/(?<product>:gp\\/product|gp\\/product\\/glance|[^\\/]+\\/dp|dp|[^\\/]+\\/product-reviews)\\/(?<productID>[^\\/]{10})\\/(?<queryString>.*?)\\\")";

Pattern r = Pattern.compile(pattern);
Matcher m = r.matcher(input);

if (m.find( )) {
 System.out.println("Amazon link: " + m.group(0) );
 System.out.println("product: " + m.group("product") );
 System.out.println("productID: " + m.group("productID"));
 System.out.println("querystring: " + m.group("queryString"));
} else {
 System.out.println("NO MATCH");
}

输出：

亚马逊链接： HREF =＆＃34; HTTP：//www.amazon.it/Die-10-Symphonien-Orchesterlieder-Sinfonie-Complete/dp/B003LQSHBO/ref=sr_1_2即= UTF8＆安培; QID = 1440101590＆安培; SR = 8-2＆安培;关键字=马勒＆＃34;
产品：Die-10-Symphonien-Orchesterlieder-Sinfonie-Complete / dp
productID：B003LQSHBO
querystring：ref = sr_1_2？ie = UTF8＆amp; qid = 1440101590＆amp; sr = 8-2＆amp; keywords = mahler

Java对字符串中的反斜杠和转义的规则对我来说绝对令人生气，我从来没有把它弄好。您可能会发现转到http://www.regexplanet.com/advanced/java/index.html并输入正则表达式会很有帮助，它将转换为带有正确转义符的java字符串。（在我这样做之前，我无法工作！）

使用java regex查找字符串中的所有<a href="">link</a>

1 个答案: