java - 用正则表达式解析 HTML？

Question

我一直在尝试使用正则表达式收集信息:

Pattern hp = Pattern.compile("<small>.....</small>"); 
            Matcher mp = hp.matcher(code);
            while (mp.find()) {
                    String grupoHORARIO = mp.group();        
            System.out.println(grupoHORARIO);         } 

当我运行程序时，而不是显示:

RESULT1
RESULT2
RESULT3

它显示了这一点:

<small>RESULT1</small>
<small>RESULT2</small>

如您所见，它显示了我要查找的单词之前和之后的开始和结束“小”标签。我需要的只是这个词，没有它周围的“小”标签。

Answer 1

USING REGEX TO PARSE HTML IS BAD.

再次，using RegEx to parse HTML is bad.

话虽如此......在回答您的问题时，问题是您如何使用正则表达式。我唯一要更改的代码是 Pattern.compile() 中的内容方法。 way you're currently doing it ，(点击Java按钮查看结果)，只有有<small>时才会匹配，然后 5 个字符，然后 </small> 。该匹配包括开始和结束标记。

如果你想要的是只匹配中间部分，那么你可以尝试 using RegEx lookaround 。 The way I did it is: (?<=<small>).*(?=</small>) 。分成部分:

.* - 任意数量的字符。

.*(?=</small>) - </small> 后面跟随的任意数量的字符.

(?<=<small>).*(?=</small>) - <small> 前面的任意数量的字符然后是 </small> .

如果您不想让它匹配任何字符，则替换 .*与您想要查找的任何内容(例如， ..... 或 {5}. 将匹配 5 个字符)。