快捷導(dǎo)航

java正則匹配HTML中a標(biāo)簽里的中文字符示例

更新時間：2017年01月09日 08:50:09 作者：MikanMu

這篇文章主要介紹了java正則匹配HTML中a標(biāo)簽里的中文字符,涉及java中文正則及HTML元素操作技巧,具有一定參考借鑒價值,需要的朋友可以參考下

本文實例講述了java正則匹配HTML中a標(biāo)簽里的中文字符。分享給大家供大家參考，具體如下：

今天群里一位朋友問到了一個正則表達(dá)式的問題，有如下內(nèi)容：

<a href='www.baidu.comds=id32434#comment'rewr>特432</a>
453543
<a guhll,,l>a1特123你好123嗎？</a>
<a href=id=32434#comment'ewrer>特2</a>
<a>標(biāo)簽中的文字</a>

現(xiàn)在要匹配出內(nèi)容包含中文但標(biāo)簽的屬性中不包含comment的<a>標(biāo)簽中的漢字。

解決思路如下：

1、首先匹配出不包括comment的<a>標(biāo)簽；

2、在匹配結(jié)果中進(jìn)行二次匹配出中文；

代碼如下：

package com.mmq.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
 * @use 匹配HTML的<a>標(biāo)簽中的中文字符
 * @ProjectName stuff
 * @Author mumaoqiang
 * @FullName com.mmq.regex.MatchChineseCharacters.java
 * @JDK 1.6.0
 * @Version 1.0
 */
public class MatchChineseCharacters {
  /**
   * 根據(jù)輸入的內(nèi)容，匹配出包含中文但不包含comment的<a>標(biāo)簽中的中文字符
   * @param source 要匹配的內(nèi)容
   * @return <a>標(biāo)簽中的中文字符
   */
  public static String matchChineseCharacters(String source) {
    //匹配出包含中文但不包含comment的<a>標(biāo)簽
    String reg = "<a((?!comment).)*?>([^<>]*?[\\u4e00-\\u9fa5]+[^<>]*?)+(?=</a>)";
    Pattern pattern = Pattern.compile(reg);
    Matcher matcher = pattern.matcher(source);
    StringBuilder character = new StringBuilder();
    while(matcher.find()){
      String result = matcher.group();
      System.out.println(result);
      //對結(jié)果進(jìn)行二次正則，匹配出中文字符
      String reg1 = "[\\u4e00-\\u9fa5]+";
      Pattern p1 = Pattern.compile(reg1);
      Matcher m1 = p1.matcher(result);
      while(m1.find()){
        character.append(m1.group());
      }
      //System.out.println(character.toString());
    }
    return character.toString();
  }
  public static void main(String[] args) {
    String result = matchChineseCharacters("<a href='www.baidu.comds=id32434#comment'rewr>特432</a>453543<a guhll,,l>a1特123你好123嗎？</a><a href=id=32434#comment'ewrer>特2</a><a>標(biāo)簽中的文字</a>");
    System.out.println(result);
  }
}

輸出結(jié)果如下：

<a guhll,,l>a1特123你好123嗎？
<a>標(biāo)簽中的文字
特你好嗎標(biāo)簽中的文字

這里做一下解釋：

String reg = "<a((?!comment).)*?>([^<>]*?[\\u4e00-\\u9fa5]+[^<>]*?)+(?=</a>)";

這個匹配內(nèi)容包含中文但標(biāo)簽的屬性中不包含comment的<a>標(biāo)簽的正則中，不能使用向后查找?<=，因為向后查找只能是固定長度的內(nèi)容，這里<a>標(biāo)簽中屬性不確定，所以不能使用；[\\u4e00-\\u9fa5]+匹配中文字符串；而(?=</a>)使用向前查找?=，在結(jié)果中不會包含結(jié)束標(biāo)簽</a>。

這個問題就這樣得到解決了。如果說要匹配指定標(biāo)簽中的指定內(nèi)容，那么也是很容易改進(jìn)的了。若有更好的正則，還請留言相互學(xué)習(xí)。

PS：這里再為大家提供2款非常方便的正則表達(dá)式工具供大家參考使用：

JavaScript正則表達(dá)式在線測試工具：
http://tools.jb51.net/regex/javascript

正則表達(dá)式在線生成工具：
http://tools.jb51.net/regex/create_reg

希望本文所述對大家java程序設(shè)計有所幫助。

您可能感興趣的文章: