java - 在 Java 中组合正则表达式

Question

我在使用 Java 从 html 表中提取信息的程序时遇到了一些问题。要从每一列中提取信息，我使用以下 RegEx:

<td>([^<]*)</td>

这对我来说非常好。为了获取链接名，我使用了这个:

<a[^>]*>(.*?)</a>

这也很好用。但有时我需要来自链接所在列的信息。因此我想将这些正则表达式与:

<td>([^<]*)</td>|<a[^>]*>(.*?)</a>

我认为它会像这样工作:

• 它获取 <td> 之间的所有内容和 </td>

• 如果是链接，它也只获取链接名

但这行不通。我不是最擅长 RegEx 的，所以我需要帮助来结合这两个步骤。

非常非常感谢。

Answer 1

我使用的代码:

Pattern pattern = Pattern.compile("<td>([^<]*)</td>|<a[^>]*>(.*?)</a>");

String line = "Here are the lines saved from the HTML downloader";

Matcher matcher = pattern.matcher(line);
for (int startPoint = 0; matcher.find(startPoint); startPoint = matcher.end())
   {
        System.out.prinln(matcher.group(1));
   }

这只是一个片段 - 但它通常是这样工作的。 (通常将字符串保存在一个数组中)。