正则表达式从HTML中提取链接

可能重复：
Extract text and links from HTML using Regular Expressions 正则表达式从HTML中提取链接

给出一个包含HTML，如字符串：

 <td scope="row">1</td> 
     <td scope="row"></td> 
     <td scope="row"><a href="/Archives/directory.htm">directoryfile.htm</a></td> 
     <td scope="row">directoryfile</td> 
     <td scope="row">104569</td> 
    </tr> 
    <tr class="blueRow"> 
     <td scope="row">2</td> 
     <td scope="row"></td> 
     <td scope="row"><a href="/Archives/historicaldata.htm</a></td> 
     <td scope="row">historicaldata</td> 
     <td scope="row">40361</td> 
    </tr> 
    <tr> 
     <td scope="row">&nbsp;</td> 
     <td scope="row"><span class="blue">Complete submission text file</span></td> 
     <td scope="row"><a href="/Archives/businessagenda.txt</a></td> 
     <td scope="row">businessagenda;</td> 
     <td scope="row">146701</td>

我只想抓住历史的链接使用正则表达式的aldata。但是，似乎我的程序没有找到链接，并且我没有看到问题，因为正则表达式在测试仪上工作。你们可以看看有什么问题吗？

我明白正则表达式不是使用HTML的最好的东西，但我只是想尝试一下。感谢大家！

模式数据= Pattern.compile（“Archives。* \ s。* historicaldata”）;
Matcher test1 = data.matcher（inputHTML）; （test1.find（））{

while（test1.find（））{
System.out.println（“Test：Now matching”）; //不打印
}

来源

2010-08-10 Jacob K.

鸭，在“ARRGGH！用正则表达式解析Html！”之前！人群向你投掷一只鞋。 – 2010-08-10 19:38:13

太迟了，[鞋子已被抛出]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454） – NullUserException 2010-08-10 19:43:46

我会看到你的“用正则表达式解析html”，并提出你“用于布局的表格”，“为颜色命名的css类”和“.htm而不是用文件名中的.html” – 2010-08-10 19:46:18

如果你只是想匹配的“档案\ historicaldata”，那么你的正则表达式的字符串应该是事实上 "Archives\/historicaldata"您可以使用"Archives/historicaldata"

来源

2010-08-10 19:41:10

在你图案"Archives.*\s.*historicaldata"

Pattern data = Pattern.compile("Archives.*\s.*historicaldata");

的\s装置空格[1]，并且由于不存在空白在"/Archives/directory.htm"它不匹配。尽量只

Pattern data = Pattern.compile("Archives.*historicaldata");

[1]“\ S”是不正确也 - 让在你必须转义反斜线，因此成为模式。“档案* \ S * historicaldata”

来源

2010-08-10 19:52:07

正则表达式从HTML中提取链接

回答

相关问题