java - 使用java从特定标签中提取字符串

Question

我在 html 中有几个标签。正如您在下面的 HTML 中看到的那样 <AT></AT> .所以我需要从 <AT></AT> this tag 中提取文本.
我遵循以下方法

写了一个正则表达式，从 AT 标签中提取文本

下面是测试字符串::

href="<AT>EXTRACT_URL</AT>" target="_blank" style="font-weight: bold;letter-spacing: normal;line-height: 100%;text-align: center;text-decoration: none;color: #FFFFFF;">Sign In</a></td></tr></tbody></table></td></tr> <a href="<AT>EXTRACT_URL</AT>" target="_blank" title="" class="" target="_blank"> <a href="<AT>EXTRACT_URL</AT>" target="_blank" title="" class="" target="_blank"> <a href="<AT>EXTRACT_URL</AT>" target="_blank" title="" class="" target="_blank">

使用下面的程序从 AT 标签中提取文本

private static final Pattern TAG_REGEX = Pattern.compile("<AT>(.*)</AT>");

public static String getText(String text) {
    final Matcher matcher = TAG_REGEX.matcher(text);

    while (matcher.find()) {
        String url = matcher.group(1);
        
        System.out.println("Extracted URL::"+url);                      
    }   
}

从上述程序获取输出:

Extracted URL::EXTRACT_URL</AT>" target="_blank" style="font-weight: bold;letter-spacing: normal;line-height: 100%;text-align: center;text-decoration: none;color: #FFFFFF;">Sign In</a></td></tr></tbody></table></td></tr> <a href="<AT>EXTRACT_URL</AT>" target="_blank" title="" class="" target="_blank"> <a href="<AT>EXTRACT_URL</AT>" target="_blank" title="" class="" target="_blank"> <a href="<AT>EXTRACT_URL

预期输出:

Extracted URL::EXTRACT_URL
Extracted URL::EXTRACT_URL
Extracted URL::EXTRACT_URL
Extracted URL::EXTRACT_URL

为什么我没有得到预期的输出？

Answer 1

这是因为 Pattern在这种情况下，正确的模式是

private static final Pattern TAG_REGEX = Pattern.compile("<AT>(.*?)</AT>");

两者都将匹配任何字符序列，但

.*是贪婪的，会尽可能匹配(会在最后一个 </AT> 结束)

.*?不情愿，会尽量少匹配

更多在此 tutorial