Bagaimanakah ekspresi biasa Java dengan cekap mengekstrak URL tertentu dalam teks HTML?

Java Ekspresi Biasa Cecair Ekstrak URL HTML: Panduan Praktikal

Artikel ini akan menunjukkan bagaimana untuk mengekstrak URL tertentu dari teks HTML menggunakan ungkapan biasa Java. Kami akan menggunakan contoh untuk menggambarkan bagaimana untuk mencapai tugas ini dengan cekap.

Soalan: Ekstrak semua URL bermula dengan "www." dan berakhir dengan ".com" atau ".cn" dari teks html.

Contoh HTML (termasuk URL):

 <a>www.baidu.com</a> <a>www.qq.com</a> <a>www.aaa.cn</a> www.eee.cn

Kod Java dan ungkapan biasa:

Kami menggunakan ungkapan biasa www\.\w (\.com|\.cn) untuk memadankan url. \w sepadan dengan satu atau lebih aksara alfanumerik, \. Memadankan nombor titik (memerlukan melarikan diri), ( ) digunakan untuk perlawanan kumpulan ".com" atau ".cn".

 String html = " <a>www.baidu.com</a> <a>www.qq.com</a> <a>www.aaa.cn</a> www.eee.cn";
String reg = "www \\. \\ w (\\. Com | \\. Cn)"; // Perhatikan bahawa anda perlu melepaskan corak corak backslash = corak.comPile (reg, corak.case_insensitive);
Matcher matcher = corak.matcher (html);

sementara (matcher.find ()) {
    System.out.println (matcher.group ());
}

Hasil yang berjalan:

 <code>www.baidu.com www.qq.com www.aaa.cn www.eee.cn</code>

Penerangan Kod:

1. Pattern.compile(reg, Pattern.CASE_INSENSITIVE) : Menyusun ungkapan biasa, bendera CASE_INSENSITIVE menjadikan perlawanan kes-insensitif.
2. pattern.matcher(html) : Mewujudkan objek Matcher untuk mencari perlawanan dalam teks HTML.
3. matcher.find() : Cari perlawanan seterusnya.
4. matcher.group() : Mengembalikan substring yang sepadan.

Petua Penting:

Untuk struktur HTML yang kompleks, parsing menggunakan ungkapan biasa mungkin tidak cukup dipercayai dan kesilapan terdedah kepada berlaku. Untuk parsing HTML yang lebih kompleks, adalah disyorkan untuk menggunakan perpustakaan parser HTML profesional, seperti JSOUP, untuk memastikan ketepatan dan kestabilan parsing. Contoh ini hanya digunakan untuk menunjukkan penggunaan asas ekspresi biasa.

Atas ialah kandungan terperinci Bagaimanakah ekspresi biasa Java dengan cekap mengekstrak URL tertentu dalam teks HTML?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!