java正则匹配HTML中a标签里的中文字符示例
2017-01-09 08:50
846 查看
今天群里一位朋友问到了一个正则表达式的问题,有如下内容:
<a href='www.baidu.comds=id32434#comment'rewr>特432</a> 453543 <a guhll,,l>a1特123你好123吗?</a> <a href=id=32434#comment'ewrer>特2</a> <a>标签中的文字</a>
现在要匹配出内容包含中文但标签的属性中不包含comment的<a>标签中的汉字。
解决思路如下:
1、首先匹配出不包括comment的<a>标签;
2、在匹配结果中进行二次匹配出中文;
代码如下:
package com.mmq.regex; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * @use 匹配HTML的<a>标签中的中文字符 * @ProjectName stuff * @Author mumaoqiang * @FullName com.mmq.regex.MatchChineseCharacters.java * @JDK 1.6.0 * @Version 1.0 */ public class MatchChineseCharacters { /** * 根据输入的内容,匹配出包含中文但不包含comment的<a>标签中的中文字符 * @param source 要匹配的内容 * @return <a>标签中的中文字符 */ public static String matchChineseCharacters(String source) { //匹配出包含中文但不包含comment的<a>标签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); //对结果进行二次正则,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吗?</a><a href=id=32434#comment'ewrer>特2</a><a>标签中的文字</a>"); System.out.println(result); } }
输出结果如下:
<a guhll,,l>a1特123你好123吗? <a>标签中的文字 特你好吗标签中的文字
这里做一下解释:
String reg = "<a((?!comment).)*?>([^<>]*?[\\u4e00-\\u9fa5]+[^<>]*?)+(?=</a>)";
这个匹配内容包含中文但标签的属性中不包含comment的<a>标签的正则中,不能使用向后查找?<=,因为向后查找只能是固定长度的内容,这里<a>标签中属性不确定,所以不能使用;[\\u4e00-\\u9fa5]+匹配中文字符串;而(?=</a>)使用向前查找?=,在结果中不会包含结束标签</a>。
这个问题就这样得到解决了。如果说要匹配指定标签中的指定内容,那么也是很容易改进的了。若有更好的正则,还请留言相互学习。
PS:这里再为大家提供2款非常方便的正则表达式工具供大家参考使用:
JavaScript正则表达式在线测试工具:
http://tools.jb51.net/regex/javascript
正则表达式在线生成工具:
http://tools.jb51.net/regex/create_reg
希望本文所述对大家java程序设计有所帮助。
您可能感兴趣的文章:
相关文章推荐
- 正则表达式:java中匹配HTML中a标签中的中文字符
- 匹配所有的html标签的正则表达式、匹配所有中文的正则表达式
- java正则匹配html片段,并取得标签中的内容
- Java/Js下使用正则表达式匹配嵌套Html标签
- boost正则库匹配ASII编码的中文、全角字符示例
- 匹配html img 标签的正则表达式 java
- 正则表达式,匹配中文字符、手机号、Email地址、网址URL、HTML标记、国内电...
- 值得收藏的正则表达式(匹配中文字符、匹配双字节字符、匹配HTML标记、匹配空行 and so on~~~)
- Java使用正则表达式删除所有HTML标签的方法示例
- 收集一些常用的正则表达式(匹配中文字符、匹配双字节字符、匹配HTML标记、匹配空行 and so on~~~)
- java正则表达式去除html中所有的标签和特殊HTML字符(以&开头的)
- Java/Js下使用正则表达式匹配嵌套Html标签
- 收集一些常用的正则表达式(匹配中文字符、匹配双字节字符、匹配HTML标记、匹配空行 and so on~~~)
- 正则表达式,匹配中文字符、手机号、Email地址、网址URL、HTML标记、国内电...
- Java正则表达式 匹配中文字符
- Java/Js下使用正则表达式匹配嵌套Html标签
- [正则]常用正则表达式大全!(例如:匹配中文、匹配html)
- 常用正则表达式大全!(例如:匹配中文、匹配html)
- 匹配中文字符的正则表达式: [u4e00-u9fa5]
- 匹配中文字符的正则表达式: [u4e00-u9fa5]( 转)