java需要帮助使用正则表达式来提取标记中的数据

Question

一段时间以来，我一直在努力创建一个正则表达式，以满足我对下面HTML的需求。我正在使用java。util。正则表达式。*由于不同的原因，我需要使用这个包，而不是任何第三方库

我想要的是提取标签中的数据，所以在这个特定的HTML中我想要的数据是25/25，Lindhagen，0，Spinninghall，35和Test Person

是否可以为此创建正则表达式

<div id="rsv_detail">
  <hr />

  <label>Bokningsstatus</label>
  <span>&nbsp;</span>

  <label>Bokningar</label>

  <span>25 / 25 &nbsp;</span>

  <br />

  <label>Plats</label>
  <span>Lindhagen&nbsp;</span>

  <label>Anlänt</label>
  <span>0&nbsp;</span>

  <br />

  <label>Sal</label>
  <span>Spinninghall&nbsp;</span>

  <label>Max antal</label>
  <span>35&nbsp;</span>
  <br />

  <label>Ledare</label>

  <span>Test Person&nbsp;</span>
  <br /><br />


  <label>Visa mer</label>
  <span>      
    <a href="/index.php?instructors%5B%5D=X129518&amp;func=la&amp;tak=0.36507500+1302460619">Ledare</a>
    <a href="/index.php?locations=LI&amp;func=la&amp;tak=0.36507500+1302460619">Plats</a>
    <a href="/index.php?activities=SP_MEDEL&amp;func=la&amp;tak=0.36507500+1302460619">Aktivitet</a>

  </span>
  <br /><br />

  <br />
  <br />
  <hr />
</div>

Answer 1

Pattern p = Pattern.compile("<span>([^<&]+)&nbsp;</span>");
Matcher m = p.matcher(text);
while (m.find())
{
  System.out.println(m.group(1));
}

输出：

25 / 25
Lindhagen
0
Spinninghall
35
Test Person

这假设目标<span>始终以 结尾，并且从不包含任何其他实体或元素

Answer 2

如果过滤掉同一行中未打开和关闭span标记的每一行，可以使用：

filtered.replaceAll ("<span>([^<]*)</span>", "$1")
  .replaceAll ("&nbsp;", "")

巴拉特黑塞人建立了一个捕获群，你以后可以通过第一个数字从左到右引用它——这里只有一个，因此是1美元。在开始标记之后，你阅读所有内容，除了一个小于号，你希望它是结束标记，直到结束标记

然而，在大多数情况下，我会同意斯特玛和装满鳗鱼的气垫船。html中正则表达式的陷阱有：

• 如果打开和关闭标记跨越多行，那么在正则表达式中很难找到，如果它们是嵌套的，则更难找到
• 评论中的标签很难被发现

然而，在极少数情况下，正则表达式是有用的：

• 一次性工作，你监督所有未来的投入
• 从路由器或javadocs生成的HTML，看起来总是一样的
• HTML，这是您根据自己的程序构建的