java - 使用Java+RegEx提取HTML中的某个div

Question

我想解析一个HTML文档并提取某个可以重复的div block 。

我已经成功提取了该 block 的第一个出现，但我不知道如何获取下一个。

这是我到目前为止的代码:

            String inputStr = HTTPGetter.get("http://someurl");
        String patternStr ="<div class=\"MY-CLASS\">(.*?)</div>";
        // Compile and use regular expression

        Pattern pattern = Pattern.compile(patternStr);
        Matcher matcher = pattern.matcher(inputStr);
        boolean matchFound = matcher.find();

        if (matchFound) {
            // Get all groups for this match
            for (int i=0; i<=matcher.groupCount(); i++) {
                String groupStr = matcher.group(i);
            System.out.println("Group found:\n"+groupStr);
            }
        } else {
            System.out.println("Not found");
        }

我正在解析的文档有多个 MY-CLASS 类的 div block 。我想全部得到。

我怎样才能做到这一点？

Answer 1

只需在 while 循环中使用 find() 即可:

while (matcher.find()) {
    System.out.println("Group found:\n"+matcher.group(1));
}

您需要迭代的是匹配，而不是捕获组。