Java正则表达式如何匹配特定html标签内的内容
时间：2020-09-01 17:00:18|栏目：|点击： 次
如题：
使用正则表达式，怎么匹配特定html标签内的内容。
比如，对于如下文本串：
... ignored content
prefix content
<html>inner content</html>
postfix content
... ignored content
我们要提取出<html>标签内的内容: inner content（这里的html标签可以换成任何其它的标签，比如<p>标签）
这里引入正则表达式的group概念：详细点击文章查看
比如：对于一个正则表达式( ( A ) ( B ( C ) ) )
- group 1为：( ( A ) ( B ( C ) ) )
- group 2为：( A )
- group 3为：( B ( C ) )
- group 4为：( C )
这样，我们就能够构造出如下的正则表达式：.*(<(html>)(.*)</\2).*
此表达式的group概念为：
- group 1: (<(html>)(.*)</\2)
- group 2: (html>)
- group 3: (.*)
显然我们要求的就是group3的内容。
注意：\2是对group2的引用，也就是html>
该正则表达式也可以写成： .*(<(html>)(.*)</(html>)).* 化简其实就是.*<html>(.*)</html>.*
代码实现为：
String p = ".*(<(html>)(.*)</\\2).*";
String m = "prefix<html>午休abc</html>postfix";
System.out.println("Pattern: " + p);
System.out.println("String to be test: " + m);
Pattern pattern = Pattern.compile(p);
Matcher matcher = pattern.matcher(m);
if(matcher.matches()) {
System.out.println("Matched String: " + matcher.group(3));
} else {
System.out.println("So sad, not matching anything!");
}
总结
