[英]Java Regex doesn't work with special chars
我的解析器有问题。 我想阅读网站上的图片链接,这通常可以正常工作。 但是今天,我得到了一个包含特殊字符的链接,而通常的正则表达式不起作用。
这就是我的代码的样子。
Pattern t = Pattern.compile(regex.trim());
Matcher x = t.matcher(content[i].toString());
if(x.find())
{
values[i] = x.group(1);
}
这是html的一部分,会引起麻烦
<div class="open-zoomview zoomlink" itemscope="" itemtype="http://schema.org/Product">
<img class="zoomLink productImage" src="
http://tnm.scene7.com/is/image/TNM/template_335x300?$plus_335x300$&$image=is{TNM/1098845000_prod_001}&$ausverkauft=1&$0prozent=1&$versandkostenfrei=0" alt="Produkt Atika HB 60 Benzin-Heckenschere" title="Produkt Atika HB 60 Benzin-Heckenschere" itemprop="image" />
</div>
这是我用来获取src属性部分的正则表达式:
<img .*src="(.*?)" .*>
我认为这与链接内的所有特殊字符有关。 但是我不确定如何逃避所有这些。 我已经尝试过
Pattern.quote(content[i].toString())
但是结果是一样的:没有发现任何东西。
的.
字符通常只匹配除换行符以外的所有字符。 因此,如果img标签中包含换行符,则您的模式将不匹配。
使用Pattern.compile(..., Pattern.DOTALL)
或在模式前加上(?s)
。
在dotall模式下,表达式。 匹配任何字符,包括行终止符。 默认情况下,此表达式不匹配行终止符。
http://docs.oracle.com/javase/1.5.0/docs/api/java/util/regex/Pattern.html#DOTALL
您实际上应该将<img\\\\s\\\\.*?\\\\bsrc=["'](\\\\.*?)["']\\\\.*?>
与(?s)
修饰符一起使用。
您的正则表达式应为:
String regex = "<img .*src=\"(.*?)\" .*>";
这可能是由标记内的换行符引起的。 的。 字符不匹配。
您是否考虑过不使用正则表达式来解析HTML? 使用正则表达式进行HTML解析是众所周知的脆弱构造。 请考虑为此使用诸如JSoup之类的解析库。
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.