java - 正则表达式解析 JSoup 中的 html 源

Question

我正在尝试从网页源文件中获取值，这是我的 html 规则

e=d.select("li[id=result_48]");
e=d.select("div[id=result_48]");

这是 html 标签

<li id="result_48" data-asin="0781774047" class="s-result-item">
<div id="result_48" data-asin="0781774047" class="s-result-item">

我想做的是用任何代替“li”或“div”的东西，我想获取id内的值..所以我想使用RegX代替“li”或“div”

因此，Jsoup 元素应该检查 id=result_48，如果有类似的情况，我需要数据。我怎样才能做到这一点。

提前致谢

Answer 1

使用不同顺序的属性进行测试。可能遗漏了一些案例，因此请使用您的实际数据进行测试。假设 id 属性中没有空格和引号。

public static void main(String[] args) throws Exception {
    String[] lines = {
            "<li id=\"result_48\" data-asin=\"0781774047\" class=\"s-result-item\">",
            "<div id=\"result_48\" data-asin=\"0781774047\" class=\"s-result-item\">",
            "<div data-asin=\"0781774047\" id=\"result_48\" class=\"s-result-item\">",
            "<div data-asin=\"0781774047\" class=\"s-result-item\" id=\"result_48\">" };
    for (String str : lines) {
        System.out.println(extractId(str));
    }
}

private static String extractId(String line) {
    String regex = "";
    regex = regex + "(?:[<](?:li|div)).*id=\""; // match start until id="
    regex = regex + "([^\\s^\"]+)"; // capture the id inside quotes (exclude
                                    // spaces and quote)
    regex = regex + "(?:.*\">)"; // match any characters until the end ">
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(line);
    if (matcher.matches()) {
        return matcher.group(1);
    }
    return null;
}