在Java中结合使用正则表达式

我在使用Java从HTML表中获取信息的程序中遇到了一些问题。要取出来我每次使用以下正则表达式列的信息：在Java中结合使用正则表达式

<td>([^<]*)</td>

这对我的工作非常好。有关读取的链接文本我用这个：

<a[^>]*>(.*?)</a>

这也是工作的非常非常好。但有时我需要的信息从列里的某个链接的，所以我想这些正则表达式与结合：

<td>([^<]*)</td>|<a[^>]*>(.*?)</a>

我认为它会像这样工作：

它让每一个这是<td>和</td>
之间。如果事情是一个链接，这也让刚刚链接名称事情

但这不起作用。我不是RegEx最好的，所以我需要帮助来结合这两个步骤。

非常感谢。

来源

2014-11-03 TacoVox

“我在使用Java从HTML表中获取信息的程序遇到了一些问题。”不要使用正则表达式解析html – Falmarri 2014-11-03 20:01:15

_this是不是working_是什么意思？请给我们你正在使用的代码和一个简短的可重复的例子，清楚地显示你的问题。 – Keppil 2014-11-03 20:02:07

我知道很多人不喜欢用正则表达式解析HTML。但它总是为我工作。而且我知道必须有可能将它结合起来。 – TacoVox 2014-11-03 20:02:15

我正在使用的代码：

Pattern pattern = Pattern.compile("<td>([^<]*)</td>|<a[^>]*>(.*?)</a>"); 

String line = "Here are the lines saved from the HTML downloader"; 

Matcher matcher = pattern.matcher(line); 
for (int startPoint = 0; matcher.find(startPoint); startPoint = matcher.end()) 
    { 
     System.out.prinln(matcher.group(1)); 
    }

这仅仅是一个片段 - 但多数民众赞成它是如何工作的总称。（通常字符串保存在一个数组中）。

来源

2014-11-03 20:05:13 TacoVox

'matcher.group（1）'如果找到链接则返回'null'。 – Keppil 2014-11-03 20:14:43

他们已经合并。要结合到一个捕获组中，Java必须执行_Branch Reset_，这是不行的。在每场比赛中，两组中的一组将是'空'，一个不会。你所要做的就是检查哪一个。并且不要将'null'与空字符串混淆。 – sln 2014-11-03 21:24:34

我现在试着与JSoup一起解析所有这些东西，它的工作原理好得多 - 但谢谢你们的帮助！ – TacoVox 2014-11-03 21:44:04

在Java中结合使用正则表达式

回答

相关问题