Java Regex不适用于特殊字符

Question

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?$plus_335x300$&amp;$image=is{TNM/1098845000_prod_001}&amp;$ausverkauft=1&amp;$0prozent=1&amp;$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。

Answer 1

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

Answer 2

您实际上应该将<img\\\\s\\\\.*?\\\\bsrc=["'](\\\\.*?)["']\\\\.*?>与(?s)修饰符一起使用。

Answer 3

您的正则表达式应为：

String regex = "<img .*src=\"(.*?)\" .*>";

Answer 4

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。