相关疑难解决方法(0)

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？

我在使用正则表达式时使用RegexBuddy.我从它的库中复制了正则表达式以匹配URL.我在RegexBuddy中成功测试过.但是,当我将其复制为Java String风格并将其粘贴到Java代码中时,它不起作用.以下类打印false:

public class RegexFoo {

    public static void main(String[] args) {
        String regex = "\\b(https?|ftp|file)://[-A-Z0-9+&@#/%?=~_|!:,.;]*[-A-Z0-9+&@#/%=~_|]";
        String text = "http://google.com";
        System.out.println(IsMatch(text,regex));
}

    private static boolean IsMatch(String s, String pattern) {
        try {
            Pattern patt = Pattern.compile(pattern);
            Matcher matcher = patt.matcher(s);
            return matcher.matches();
        } catch (RuntimeException e) {
        return false;
    }       
}   
}

有谁知道我做错了什么？

我非常喜欢Java新手.对于我的课程,我们必须打印出用户输入的html源代码中要解析的所有链接.

基本上,我想弄清楚如何获取href属性之后的链接字符串,并为网页上的所有链接执行此操作,而不使用外部方法(即使用数组,子字符串和字符串方法但不导入其他库).