使用正则表达式

Question

我在尝试使用我在 JavaScript 中使用的正则表达式时遇到问题。 在网页上，您可能有：

<b>Renewal Date:</b> 03 May 2010</td>

我只是希望能够抽出 2010 年 5 月 3 日，记住一个网页不仅仅包含上述内容。 我目前使用 JavaScript 执行此操作的方式是：

DateStr = /<b>Renewal Date:<\/b>(.+?)<\/td>/.exec(returnedHTMLPage);

我试图按照一些关于java.util.regex.Pattern和java.util.regex.Matcher教程进行操作，但没有成功。 我似乎无法将(.+?)翻译成他们能理解的东西？？

谢谢，

诺内尔

Answer 1

这就是 Java 中正则表达式的使用方式：

Pattern p = Pattern.compile("<b>Renewal Date:</b>(.+?)</td>");
Matcher m = p.matcher(returnedHTMLPage);

if (m.find()) // find the next match (and "generate the groups")
    System.out.println(m.group(1)); // prints whatever the .+? expression matched.

Matcher 类中还有其他有用的方法，例如m.matches() 。 看看Matcher 。

Answer 2

matches与find

问题是您在应该使用find时使用了matches 。 从API ：

• matches方法尝试将整个输入序列与模式进行匹配。
• find方法扫描输入序列，寻找与模式匹配的下一个子序列。

请注意， String.matches(String regex)还会查找整个字符串的完整匹配项。 不幸的是String不提供部分正则表达式匹配，但你总是可以s.matches(".*pattern.*")代替。

---

关于不情愿的量词

Java 完全理解(.+?) 。

这是一个演示：给定一个字符串s ，它由至少重复两次的字符串t组成。 找到t 。

System.out.println("hahahaha".replaceAll("^(.+)\\1+$", "($1)"));
// prints "(haha)" -- greedy takes longest possible

System.out.println("hahahaha".replaceAll("^(.+?)\\1+$", "($1)"));
// prints "(ha)" -- reluctant takes shortest possible

---

关于转义元字符

还应该说您不必要地将\\注入了正则表达式（ "\\\\"作为 Java 字符串文字）。

        String regexDate = "<b>Expiry Date:<\\/b>(.+?)<\\/td>";
                                            ^^         ^^
        Pattern p2 = Pattern.compile("<b>Expiry Date:<\\/b>");
                                                      ^^

\\用于转义正则表达式元字符。 A /不是正则表达式元字符。

也可以看看

• 正则表达式和转义特殊字符

Answer 3

好的，所以使用 aioobe 的原始建议（我之前也尝试过），我有：

String regexDate = "<b>Expiry Date:</b>(.+?)</td>";
Pattern p = Pattern.compile(regexDate);
Matcher m = p.matcher(returnedHTML);

if (m.matches()) // check if it matches (and "generate the groups")
{
  System.out.println("*******REGEX RESULT*******"); 
  System.out.println(m.group(1)); // prints whatever the .+? expression matched.
  System.out.println("*******REGEX RESULT*******"); 
}

IF 语句必须不断出现 FALSE，因为 *******REGEX RESULT******* 永远不会输出。

如果有人错过了我想要实现的目标，我只是想确定日期。 在 html 页面中有一个类似<b>Expiry Date:</b> 03 May 2010</td> ，我想要 2010 年 5 月 3 日。

Answer 4

(.+?)是一个奇怪的选择。 试试( *[0-9]+ *[A-Za-z]+ *[0-9]+ *)或者只是([^<]+) 。