[英]java Regular expression matching html
解决方案:
String p="<pre>[\\\\w\\\\W]*</pre>";
我想匹配并捕获<pre> </ pre>标记的包围内容,尝试了以下操作,但不起作用,怎么了?
String p="<pre>.*</pre>"; Matcher m=Pattern.compile(p,Pattern.MULTILINE|Pattern.CASE_INSENSITIVE).matcher(input); if(m.find()){ String g=m.group(0); System.out.println("g is "+g); }
您需要DOTALL标志,而不是MULTILINE。 MULTILINE改变^
和$
的行为,而DOTALL是允许的行为.
匹配行分隔符。 您可能也想使用勉强的量词:
String p = "<pre>.*?</pre>";
实际上,正则表达式不是正确的工具。 使用解析器。 Jsoup是一个不错的选择。
Document document = Jsoup.parse(html);
for (Element element : document.getElementsByTag("pre")) {
System.out.println(element.text());
}
parse()
方法还可以采用URL
或File
。
我之所以推荐Jsoup的原因是,它是我尝试过的所有HTML解析器中最不冗长的。 它不仅提供类似JavaScript的方法,返回实现Iterable
元素,而且还支持类似选择器的jQuery ,这对我来说是一大好处。
String stringToSearch = "H1 FOUR H1 SCORE AND SEVEN YEARS AGO OUR FATHER...";
// the case-insensitive pattern we want to search for
Pattern p = Pattern.compile("H1", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(stringToSearch);
// see if we found a match
int count = 0;
while (m.find())
count++;
System.out.println("H1 : "+count);
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.