java、正则表达式和匹配器

Question

我有一位 friend 曾在某个时间点进行过此操作。在学习正则表达式时，我不明白为什么它会有一个/，因为沙箱测试人员对此犹豫不决。

private static final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"(/*\\w*/*\\w*/\\d+.html)\">",Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

上面的正则表达式模式中的/试图做什么？这个模式被破坏了，我不知道如何修复。

这是它在调试器中的显示效果:

href="(/*\w*/*\w*/\d+.html)">

正则表达式就是这样崩溃的吗？

href="     ... matches href="
/*         ... matches 0 or more occurrences of /   
\w*        ... matches 0 or more occurrences of word characters   
/*         ... matches 0 or more occurrences of /   
\w*        ... matches 0 or more occurrences of word characters   
/          ... matches a /  
\d+        ... matches one or several digits   
.html)">   ... matches /html

<小时/>

这是应该捕获 href="/reo/4890530477.html"的网页源代码片段:

<a href="/reo/4890530477.html" class="i" data-ids="0:00j0j_jDfSzBcGgid"></a> 

Answer 1

final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"/\\w+/\\w+/\\d+\\.html\"")

应该匹配

href="/[word]/[word]/[number].html"

您可能想要:

final Pattern SUB_URL_PATTERN = Pattern.compile("href=\"(/\\w+)*/\\d+\\.html\"")

哪个会匹配

href="[0+ groups of '/word']/[number].html"

使用 Java，您需要使用两个反斜杠 \\ 来创建包含反斜杠的字符串...例如，如果您想要使用 \d 的正则表达式模式，则需要将字符串声明为 "\\d"，因为 Java 语言使用与正则表达式相同的转义字符。

我强烈建议您花一个小时的时间来完成以下免费的正则表达式教程:

http://regexone.com/

它是交互式的，并且很容易完成。当您完成后，我保证您对它们的理解会加深 100 倍。

对于第二个 Jens，使用 html 解析器可能比使用正则表达式更好。你可以查看 jsoup；这就是我用的。

http://jsoup.org/