似乎stackoverflow上的每个问题,其中提问者使用正则表达式从HTML中获取一些信息将不可避免地有一个"答案",表示不使用正则表达式来解析HTML.
为什么不？我知道那里有引用 - 不引用"真正的"HTML解析器,比如Beautiful Soup,我相信它们是强大而有用的,但是如果你只是做一些简单,快速或肮脏的事情,那么为什么当一些正则表达式语句运行得很好时,麻烦使用如此复杂的东西？
此外,是否有一些基本的东西,我不了解正则表达式,这使得它们一般是解析的错误选择？
我正在尝试在某个标签内获取文本.所以,如果我有:
<a href="http://something.com">Found<a/>
我希望能够检索Found文本.
我正在尝试使用正则表达式.如果<a href="http://something.com>保持相同但我没有,我能够做到这一点.
到目前为止我有这个:
Pattern titleFinder = Pattern.compile( ".*[a-zA-Z0-9 ]* ([a-zA-Z0-9 ]*)</a>.*" );
我认为最后两部分 - 可以([a-zA-Z0-9 ]*)</a>.*- 但我不知道该如何处理第一部分.