正則表達式解析JSoup中的html源

Question

我正在嘗試從網頁源文件中獲取值，這是我擁有的html規則

e=d.select("li[id=result_48]");
e=d.select("div[id=result_48]");

這是html標記

<li id="result_48" data-asin="0781774047" class="s-result-item">
<div id="result_48" data-asin="0781774047" class="s-result-item">

我想做的是代替“ li”或“ div”的任何內容，我想獲取id內的值..因此我想使用RegX代替“ li”或“ div”

因此，Jsoup元素應檢查id = result_48，如果出現類似的情況，我需要數據。 我怎樣才能做到這一點。

提前致謝

Answer 1

測試了不同順序的屬性。 可能會遺漏某些情況，因此請使用您的實際數據進行測試。 假設id屬性中沒有空格和引號。

public static void main(String[] args) throws Exception {
    String[] lines = {
            "<li id=\"result_48\" data-asin=\"0781774047\" class=\"s-result-item\">",
            "<div id=\"result_48\" data-asin=\"0781774047\" class=\"s-result-item\">",
            "<div data-asin=\"0781774047\" id=\"result_48\" class=\"s-result-item\">",
            "<div data-asin=\"0781774047\" class=\"s-result-item\" id=\"result_48\">" };
    for (String str : lines) {
        System.out.println(extractId(str));
    }
}

private static String extractId(String line) {
    String regex = "";
    regex = regex + "(?:[<](?:li|div)).*id=\""; // match start until id="
    regex = regex + "([^\\s^\"]+)"; // capture the id inside quotes (exclude
                                    // spaces and quote)
    regex = regex + "(?:.*\">)"; // match any characters until the end ">
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(line);
    if (matcher.matches()) {
        return matcher.group(1);
    }
    return null;
}