用正则表达式解析HTML？

Question

我一直在尝试使用正则表达式收集信息：

Pattern hp = Pattern.compile("<small>.....</small>"); 
            Matcher mp = hp.matcher(code);
            while (mp.find()) {
                    String grupoHORARIO = mp.group();        
            System.out.println(grupoHORARIO);         } 

当我运行程序时，没有显示给我看：

RESULT1
RESULT2
RESULT3

它显示了这一点：

<small>RESULT1</small>
<small>RESULT2</small>

如您所见，它显示了我要查找的单词前后的“小”标签的开头和结尾。 我需要的只是这个词，周围没有“小”标签。

Answer 1

使用正则表达式解析HTML是很糟糕的。

同样， 使用RegEx解析HTML是不好的。

话虽这么说...为了回答您的问题，问题在于您如何使用正则表达式。 您要更改的唯一代码是Pattern.compile()方法内部的代码。 当前的操作方式 （单击Java按钮以查看结果），只有在<small> ，5个字符，然后</small> ，您才匹配。 此匹配项包括开始和结束标签。

如果您只想匹配中间部分，则可以尝试使用RegEx lookaround 。 我这样做的方式是： (?<=<small>).*(?=</small>) 。 分为部分：

.* -任意数量的字符。

.*(?=</small>) -任意数量的字符后跟</small> 。

(?<=<small>).*(?=</small>) -任意数量的字符，其后跟<small>和</small> 。

如果您不想让它与任何字符匹配，则用您要查找的内容替换.* （例如， .....或{5}.将匹配5个字符）。