如何使用RegEx从以下内容提取数据？

Question

我有以下模式的数据集

1<a href="/contact/">Joe</a><br />joe.doe@somemail.com</div>
2<a href="/contact/">Tom</a><br />tom.cat@aol.com</div>
3<a href="/contact/">Jerry</a><br />jerry.mouse@yahoo.co.in</div>

等等...

我需要从中单独提取名称和电子邮件ID。 我该怎么做？

---

更新：

根据您的回复，我已将数据格式更改为：

1(name)Joe(email)joe.doe@somemail.com(end)
2(name)Tom(email)tom.cat@aol.com(end)
3(name)Jerry(email)jerry.mouse@yahoo.co.in(end)

我该如何解析？

Answer 1

不要使用正则表达式来解析HTML 。

使用HTML解析器。 此页面上列出了一堆。 根据我使用Tidy的经验，我建议使用JTidy 。 从他们的页面：

JTidy是HTML Tidy的Java端口，HTML Tidy是HTML语法检查器和漂亮的打印机。 像其非Java表亲一样，JTidy可用作清理格式错误的HTML的工具 。 此外，JTidy为正在处理的文档提供了DOM接口， 从而有效地使您能够将JTidy用作真实HTML的DOM解析器。

更新

根据对问题的编辑，使用split()以\\([az]+\\)作为分隔符来拆分字符串。 这应该给您单独的组件：

String[] components = str.split("\\([a-z]+\\)");

或者，您可以使用更通用的表达式\\(.*?\\) 。

Answer 2

使用此正则表达式：

\(name\)(.*)\(email\)(.*)\(end\)

现在，第一个后向引用\\1包含名称，第二个后向引用\\2包含电子邮件地址。

继续调用相同的正则表达式以获取名字和电子邮件地址。

Answer 3

如果可以保证这将是所有条目的标准模式，则只需在每行上使用String.split（），并使用正则表达式（。*？）作为拆分模式即可。 这将与（后跟最少数量的其他字符，再跟另一个）相匹配。 所以代码看起来像这样：

//for each String line
String[] items = line.split("\\(.*?\\)");
name = items[0];
email = items[1];