Java 正则表达式 html 解析器

Question

这个问题已经有答案了:

已关闭 11 年前。

Possible Duplicate:
java regex quantifiers

我现在正在学习一些正则表达式，但我遇到了这个问题:

所以我有一个像这样的字符串TAG1 一些文本 TAG2 一些文本 TAG3 一些文本

我需要获取的是标签语句之间的子字符串。类似的东西

Tag1 sometext
Tag2 some text
Tag3 someText

所以我写了这个正则表达式，

Pattern pattern = Pattern.compile("TAG\\d.*TAG\\d");
Matcher matcher = pattern.matcher(string);
while(matcher.find){
    print(matcher.group);
}

但是输出是

TAG1 sometext TAG2 some text TAG3 someText

我的理解是，点匹配任何东西，星号则将其量化为没有或很多。因为我相信我的正则表达式意味着标记一些数字，然后一些其他内容，然后标记和一些数字。

当我写这篇文章时，我也意识到我不想要标签# 文本标签#组合。例如我不想TAG# 文本 TAG# 文本 TAG#

有人可以增强我对正则表达式的理解吗？

谢谢

编辑 ---

我没有用正则表达式编写一个完整的 html 解析器。不。这是一个 html 解析项目，我使用 Jsoup 来完成其中的最大部分。这个正则表达式只是一种获取有关 html 的一些元数据的 hack，以便我以一种或另一种形式将 html 传递给 jsoup。

Answer 1

您的表达式中没有组。使用括号将它们分成几组。就像“(TAG\d)(.*)(TAG\d)”一样，我也是正则表达式的新手，您可能需要使用正则表达式，但至少括号部分是最低限度的。