正则表达式从div内部提取内容

Question

我正在尝试从具有以下标记的网页中提取

<div id="div">
    content
    content
    content
    content
</div>

我目前的正则表达式是

Pattern div = Pattern.compile("<div id=\"div\">(.*?)</div>");

当只有一行但是使用新行时，它无法识别div标签内的东西。

任何帮助都会很感激（我顺便使用java）

Answer 1

就个人而言，我强烈反对在这种情况下使用正则表达式。尝试使用正则表达式从HTML文档中提取信息，well documented为bad idea。请改为查看proper HTML parser！

Answer 2

我认为，这应该有效（你需要添加DOTALL修饰符）：

Pattern div = Pattern.compile("<div id=\"div\">(.*?)</div>", Pattern.DOTALL);

Answer 3

当存在换行符时它不起作用的事实是因为.（DOT）与任何类型的换行符都不匹配。要让.匹配换行符，请执行以下操作：

Pattern.compile("<div id=\"div\">(.*?)</div>", Pattern.DOTALL)

或：

Pattern.compile("<div id=\"div\">([\\s\\S]*?)</div>")

或：

Pattern.compile("(?s)<div id=\"div\">(.*?)</div>")

请参阅：http://docs.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html#DOTALL

Answer 4

您可以添加Pattern.Multiline选项

Pattern div = Pattern.compile("<div id=\"div\">(.*?)</div>", Pattern.MULTILINE);

或在你的reg ex（最后）添加？m运算符

希望这有帮助