使用Java正则表达式匹配、替换HTML内容

Posted on feb. 2 2014

使用Java正则表达式匹配、替换HTML内容

51CTO首页 | 新闻 | 专题 | 论坛 | 博客 | 技术圈 | 读书 | 技术频道| CIO| 存储| 地图 | English

首页 | Java | .Net | Web | XML | 语言工具 | 测试 | 游戏 | 移动 | 架构 | 项目管理 | 全部文章您所在的位置：首页 > 开发 > JAVA > JAVA专区 > 基础教程 >

使用Java正则表达式匹配、替换HTML内容

http://developer.51cto.com/ 2009-06-10 13:51 新浪科技我要评论(0)

摘要：本文向您介绍使用Java正则表达式匹配和替换HTML的内容，作者介绍了两种方法，一种用于替换链接地址，一种用于替换图片。
标签：Java正则表达式匹配替换 *

曾经了解过JavaScript的正则表达式，知道其功能的强大，对于处理文本比用普通的API处理不管从效率上还是从功能上都有很大的优势。今天项目要求用到Java的正则表达式，于是在网上Google，找到一个Jakarta ORO的库，听说是Java中功能最强大的正则表达式库，确实也如此，Sun公司的JDK里自带的正则表达式功能是远远不如ORO库，从正则表达式的角度上看，其比普通的API处理文本是复杂很多。

但如果应用得恰当的话，会提高工程的质量，于是项目中就应用了这个ORO库，把浏览器请求得到的HTML页面进行解释替换实现一个代理采集信息的功能。感觉自己好像是在开发软件，不是在设计网页。正则表达式有一个很好用的工具--RegexBuddy，应用这个工具可以调度一个匹配你需要的正则表达式串，经过几番调度，把一些HTML标签的正则表达式匹配出来。

第一：像网页链接之间的内容中[URL[绝对地址替换成相对地址，首先要查找匹配这个链接，查找匹配这个串的正则表达式串为

(<\s/a\s+(?:[^\s>]\s/){0,})href\s/=\s/(\"|'|)([^\2\s>]/)\2((?:\s/[^\s>]){0,}\s/>)*

//查找匹配的代码如下：
String patternStrs="(<\s/a\s+(?:[^\s>]\s/){0,})href\s/=\s/ (\"|'|)([^\2\s>]/)\2((?:\s/[^\s>]){0,}\s /*>)";
PatternCompiler complier = new Perl5Compiler();
PatternMatcher matcher = new Perl5Matcher();
Pattern patternForLink = complier.compile(patternStrs,
Perl5Compiler.
CASE_INSENSITIVE_MASK);
PatternMatcherInput input = new PatternMatcherInput(htmlContent);
while (matcher.contains(input, patternForLink)) {
MatchResult match = matcher.getMatch();
//处理匹配的结果，是要替换还是要其他处理
}