Java中正则表达式能否有效解析HTML？

在Java中使用正则表达式解析HTML

识别href和src标签等HTML元素可以通过正则表达式来实现，尽管它是通常不推荐。如果您仍在考虑这种方法，让我们深入研究如何在 Java 中实现它：

使用正则表达式解析

要查找 href 标签，您可以使用正则表达式如：

Pattern p = Pattern.compile("<a.*?href=\"(.*?)\".*?>");

查找 src 标签：

Pattern p = Pattern.compile("<img.*?src=\"(.*?)\".*?>");

提取 URL

一旦有了模式，就可以匹配它们针对您的 HTML 字符串并捕获 URL 组：

Matcher m = p.matcher(htmlString);
while (m.find()) {
  String url = m.group(1);
}

建议

但是，强烈建议使用 HTML 解析器而不是正则表达式。 HTML 结构非常复杂，正则表达式常常会忽略边缘情况。像 JSoup 这样的专用 HTML 解析器更擅长解释 HTML 并可靠地提取所需的元素。

以上是Java中正则表达式能否有效解析HTML？的详细内容。更多信息请关注PHP中文网其他相关文章！