java - 我如何调整这个正则表达式来过滤掉“

Question

我使用以下正则表达式来搜索页面中的视频链接

(http(s?):/)(/[^/]+)\\S+.\\.(?:avi|flv|mp4)

不幸的是，如果链接后面有另一个匹配项，例如此视频链接，它不会在链接末尾停止

<a href="http://somevideo.flv">somevideoname.avi</a>

在正则表达式之后返回:

http://somevideo.flv">somevideoname.avi

如何调整正则表达式来避免这种情况？我想了解更多关于正则表达式的知识，它很有趣，但又很复杂!

Answer 1

以下是如何使用 JSoup 解析器执行类似的操作。

Scanner scanner = new Scanner(new File("input.txt"));
scanner.useDelimiter("\\Z");
String htmlString = scanner.next();
scanner.close();

Document doc = Jsoup.parse(htmlString);
// or to get connect of some page use
// Document doc = Jsoup.connect("http://example.com/").get();
Elements elements = doc.select("a[href]");//find all anchors with href attribute
for (Element el : elements) {
    URL url = new URL(el.attr("href"));
    if (url.getPath().matches(".*\\.(?:avi|flv|mp4)")) {
        System.out.println("url: " + url);
        //System.out.println("file: " + url.getPath());
        System.out.println("file name: "
                + new File(url.getPath()).getName());
        System.out.println("------");
    }
}