Java正则表达式如何匹配特定html标签内的内容

Java正则表达式如何匹配特定html标签内的内容

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

inner content

postfix content

... ignored content

我们要提取出标签内的内容: inner content（这里的html标签可以换成任何其它的标签，比如

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.*(.*).*

代码实现为：

String p = ".*(<(html>)(.*)\\2).*";

String m = "prefix午休abcpostfix";

System.out.println("Pattern: " + p);

System.out.println("StrinVNftZAotGEg 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

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。