java - 正则表达式从文件中获取所有 ".js"和 ".css"href 链接

Question

我有一个包含 HTML 内容的字符串，我需要获取 .css 和 .js 文件的所有链接。现在，我使用此模式 "(http:.*?.\\.css)" 来获取所有 CSS 链接，但如何也包含 .js 链接？

这是我的完整代码:

List<String> urlList =  new ArrayList<String>();
String str = new String(Files.readAllBytes(FileSystems.getDefault().getPath("c:" + File.separator + "nutchfiles" + File.separator + "test.html")));
Pattern p = Pattern.compile("(http:.*?.\\.css)");
Matcher m = p.matcher(str);

while (m.find()) {
    LOG.info("matched urls" + m.group());
}

Answer 1

如果您正在寻找正则表达式修复，这里是:

Pattern p = Pattern.compile("(http:.*?\\.(?:css|js)\\b)");

交替将帮助您匹配两个扩展名。请参阅Alternation with The Vertical Bar or Pipe Symbol :

If you want to search for the literal text cat or dog, separate both options with a vertical bar or pipe symbol: cat|dog. If you want more options, simply expand the list: cat|dog|mouse|fish.

但是，使用 HTML 解析器从 HTML 文件中获取任何内容会更安全。