java - 如何使用java正则表达式从某物获取 "something"

Question

在下面，我需要得到:

String regex = "Item#: <em>.*</em>";
String content = "xxx Item#: <em>something</em> yyy";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(content); 

if( matcher.find() ) {
    System.out.println(matcher.group());
}

它将打印:

Item#: <em>something</em>

但我只需要值“某物”。

我知道我可以使用 .substring(begin,end) 来获取值，但还有其他更优雅的方法吗？

Answer 1

它会打印整个字符串，因为您已经打印了它。 matcher.group()打印完整的匹配。要获取匹配字符串的特定部分，您需要更改正则表达式以捕获组中标记之间的内容:-

String regex = "Item#: <em>(.*?)</em>";

此外，请使用 Reluctant量词(.*?)匹配 </em> 之前的最少字符数遇到。

然后在 if 中打印 group(1)而不是group()

if( matcher.find() ) {
    System.out.println(matcher.group(1));
}

无论如何，你不应该使用 Regex解析HTML 。正则表达式不够强大，无法完成此任务。您可能应该使用一些 HTML解析器如 - HTML Cleaner 。另请参阅 OP 中的评论之一中提供的链接。这篇文章很好地解释了您可能面临的问题。