Java正則表達式如何高效提取HTML文本中的特定網址？

Java正則表達式高效提取html網址：實戰指南

本文將演示如何使用Java正則表達式從HTML文本中提取特定網址。 我們將以一個示例說明如何高效地完成這項任務。

問題： 從HTML文本中提取所有以”www.”開頭，并以”.com”或”.cn”結尾的網址。

示例HTML（包含網址）：

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

Java代碼及正則表達式：

立即學習“Java免費學習筆記（深入）”；

我們使用正則表達式www.w+(.com|.cn) 來匹配網址。 w+ 匹配一個或多個字母數字字符，. 匹配點號（需要轉義），( ) 用于分組匹配”.com”或”.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)"; // 注意此處需要轉義反斜杠  Pattern pattern = Pattern.compile(reg, Pattern.CASE_INSENSITIVE); Matcher matcher = pattern.matcher(html);  while (matcher.find()) {     System.out.println(matcher.group()); }

運行結果：

www.baidu.com www.qq.com www.aaa.cn www.eee.cn

代碼說明：

1. Pattern.compile(reg, Pattern.CASE_INSENSITIVE)：編譯正則表達式，CASE_INSENSITIVE標志使匹配不區分大小寫。
2. pattern.matcher(html)：創建Matcher對象，用于在HTML文本中查找匹配項。
3. matcher.find()：查找下一個匹配項。
4. matcher.group()：返回匹配的子字符串。

重要提示：

對于復雜的HTML結構，使用正則表達式進行解析可能不夠可靠，容易出現錯誤。 對于更復雜的HTML解析，建議使用專業的HTML解析器庫，例如Jsoup，以確保解析的準確性和穩定性。 本例僅用于演示正則表達式的基本用法。