如何使用Java正則表達(dá)式匹配、替換HTML內(nèi)容

這篇文章主要講解了“如何使用Java正則表達(dá)式匹配、替換HTML內(nèi)容”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何使用Java正則表達(dá)式匹配、替換HTML內(nèi)容”吧！

曾經(jīng)了解過JavaScript的正則表達(dá)式，知道其功能的強(qiáng)大，對(duì)于處理文本比用普通的API處理不管從效率上還是從功能上都有很大的優(yōu)勢(shì)。今天項(xiàng)目要求用到Java的正則表達(dá)式，于是在網(wǎng)上Google，找到一個(gè)Jakarta ORO的庫，聽說是Java中功能***大的正則表達(dá)式庫，確實(shí)也如此，Sun公司的JDK里自帶的正則表達(dá)式功能是遠(yuǎn)遠(yuǎn)不如ORO庫，從正則表達(dá)式的角度上看，其比普通的API處理文本是復(fù)雜很多。

但如果應(yīng)用得恰當(dāng)?shù)脑挘瑫?huì)提高工程的質(zhì)量，于是項(xiàng)目中就應(yīng)用了這個(gè)ORO庫，把瀏覽器請(qǐng)求得到的HTML頁面進(jìn)行解釋替換實(shí)現(xiàn)一個(gè)代理采集信息的功能。感覺自己好像是在開發(fā)軟件，不是在設(shè)計(jì)網(wǎng)頁。正則表達(dá)式有一個(gè)很好用的工具--RegexBuddy，應(yīng)用這個(gè)工具可以調(diào)度一個(gè)匹配你需要的正則表達(dá)式串，經(jīng)過幾番調(diào)度，把一些HTML標(biāo)簽的正則表達(dá)式匹配出來。

***：像網(wǎng)頁鏈接<a .......... href="[url1]" .......>之間的內(nèi)容中[URL[絕對(duì)地址替換成相對(duì)地址，首先要查找匹配這個(gè)鏈接，查找匹配這個(gè)串的正則表達(dá)式串為

(<]\\s*){0,})href\\s*=\\s*(\"|'|)([^\\2\\s>]*)\\2((?:\\s*[^\\s>]){0,}\\s">\\s*a\\s+(?:[^\\s>]\\s*){0,})href\\s*=\\s*(\"|'|)([^\\2\\s>]*)\\2((?:\\s*[^\\s>]){0,}\\s *>)

//查找匹配的代碼如下：  
    String  patternStrs="(<\\s*a\\s+(?:[^\\s>]\\s*){0,})href\\s*=\\s*
(\"|'|)([^\\2\\s>]*)\\2((?:\\s*[^\\s>]){0,}\\s *>)";  
    PatternCompiler complier = new Perl5Compiler();  
    PatternMatcher matcher = new Perl5Matcher();  
 
    Pattern patternForLink = complier.compile(patternStrs,  
                                              Perl5Compiler.  
                                              CASE_INSENSITIVE_MASK);  
    PatternMatcherInput input = new PatternMatcherInput(htmlContent);  
    while (matcher.contains(input, patternForLink)) {  
      MatchResult match = matcher.getMatch();  
      //處理匹配的結(jié)果，是要替換還是要其他處理  
    }  
 

第二：對(duì)其他的標(biāo)簽也類似只要把匹配的字符串改一下為要匹配的標(biāo)簽就可以了。(如IMG標(biāo)簽)

(<\s*img\s+(?:[^\s>]\s*){0,})src\s*=\s*("|'|)([^\2\s>]*)\2((?:\s*[^\s>]){0,}\s*>)，這樣就可以處理

<img.....................src="[url]"...............>的標(biāo)簽匹配，對(duì)其他的標(biāo)簽也一樣.

總結(jié)：對(duì)于大量要處理的文本，建議還是用到正則表達(dá)式，而要處理的文本比較少時(shí)，用普通的字符串API處理函數(shù)就足夠了。

感謝各位的閱讀，以上就是“如何使用Java正則表達(dá)式匹配、替換HTML內(nèi)容”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)如何使用Java正則表達(dá)式匹配、替換HTML內(nèi)容這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！