如何在Java中編寫正則表達式，同時考慮要查找的字符串的上下文？

Question

我想解析一個HTML代碼並從表中的文本表示形式創建對象。 我有幾列，我想在每一行上保存某些列的上下文。 現在，我有了HTML代碼，並且我知道我應該使用Pattern和Matcher來獲取那些字符串，但是我不知道如何編寫所需的正則表達式。

這是我要解析的行：

<tr><td><a href="delirium.htm">Delirium</a></td><td>65...</tr>

因此，我想從該字符串中提取Delirium。 我該如何寫正則表達式

讓我得到介於htm">和</a></td>之間的字符串

？

Answer 1

這是一個關於SO的常見問題，答案始終是相同的：正則表達式是用於解析HTML的較差且有限的工具，因為HTML不是常規語言。

您應該使用HTML解析器 ，例如HTML Parser 。

如果您對“常規語言”的含義感到好奇，請查看JMD，Markdown和“解析和編譯器概述” 。 正則表達式基本上是DFA（確定性有限自動機或確定性有限狀態機）。 HTML需要PDA（下推式自動機）進行解析。 PDA是帶有堆棧的DFA。 這就是它處理遞歸元素的方式。

Answer 2

htm">(.+)</a></td>

任意字符搜索（這是.+位）之間htm">和</a></td>和返回什么在之間，Pattern.matcher（）來使用（這就是為什么周圍有括號.+ ）

http://www.regular-expressions.info/java.html