我会第一个承认我的正则表达式知识是无望的。我使用的Java与下列正则表达式来提取链接内容
Matcher m = Pattern.compile(">[^<>]*</a>").matcher(html);
while (m.find()) {
resp.getWriter().println(html.substring(m.start(), m.end()));
}
我得到以下列表：
>Link Text a</a>
>Link Text b</a>
我缺少的是去除>和</a>。
干杯。
你可以做，通过包装一组在你的正则表达式的一部分，然后用group(X)其中X是组数量：
Matcher m = Pattern.compile(">([^<>]*)</a>").matcher(html);
while (m.find()) {
resp.getWriter().println(m.group(1));
}
但是，更好的方法是使用一个简单的解析器为此：
import java.io.*;
import javax.swing.text.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;
public class HtmlParseDemo {
public static void main(String [] args) throws Exception {
Reader reader = new StringReader("foo <a href=\"#\">Link 1</a> bar <a href=\"#\">Link <b>2</b> more</a> baz");
HTMLEditorKit.Parser parser = new ParserDelegator();
parser.parse(reader, new LinkParser(), true);
reader.close();
}
}
class LinkParser extends HTMLEditorKit.ParserCallback {
private boolean linkStarted = false;
private StringBuilder b = new StringBuilder();
public void handleText(char[] data, int pos) {
if(linkStarted) b.append(new String(data));
}
public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {
if(t == HTML.Tag.A) linkStarted = true;
}
public void handleEndTag(HTML.Tag t, int pos) {
if(t == HTML.Tag.A) {
linkStarted = false;
System.out.println(b);
b = new StringBuilder();
}
}
}
输出：
Link 1
Link 2 more
您是否看过使用capturing group？
Pattern.compile(">([^<>]*)</a>")
然而要注意它通常是不建议用于HTML正则表达式，因为HTML是不正规。您将通过使用HTML解析器（如JTidy）获得更可靠的结果。
请记住，由于其有限性，您正则表达式（正则表达式和一般）可能会遇到的问题，如果你试图解析HTML稍微复杂一些。例如，下面将不能正确解析，但完全是有效的（普通）HTML：
<a href="blah.html">this is only a <em>single</em> link</a>
你可能会更好使用DOM解析器（我敢肯定，Java有大量的选项，在此关注）您可以请求每个<a>标签的内文。
不，它不会失败，它只是不会给你你期望的;;）“>链接” – falstro 2009-11-15 09:59:30
我迟到了，但我想指出的另一种选择：如果你把你的初始>成一团糟，即
(?<=>)[^<>]*</a>
那么它不应该退还
(?<=X) X, via zero-width positive lookbehind
作为你结果的一部分。
虽然未经测试。祝你好运！
一个很好的快速的方法来测试你的正则表达式，就是用正则表达式编辑器，如下面的Eclipse插件： http://brosinski.com/regex/
@Littlejon - 正则表达式+ HTML的问题是不是很受追捧。 （顺便说一句，我不是在这中间又获得......前一个是我最downvoted答案永远。http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml -self-contained-tags） – Kobi 2009-11-15 09:55:56
@Kobi - 所以我见过。但我只搜索HTML片段。也尝试使用DOM没有太大的成功。 – Littlejon 2009-11-15 09:58:09
作为一个附录，我完全意识到了这些限制，并且准备好将自己的脚指向一个加载枪:-) – Littlejon 2009-11-15 10:04:16