java正则表达式高效提取html网址：实战指南
本文将演示如何使用Java正则表达式从HTML文本中提取特定网址。 我们将以一个示例说明如何高效地完成这项任务。
问题： 从HTML文本中提取所有以"www."开头，并以".com"或".cn"结尾的网址。
示例HTML（包含网址）：
www.baidu.comwww.qq.comwww.aaa.cnwww.eee.cn
Java代码及正则表达式：
立即学习“Java免费学习笔记（深入）”；
我们使用正则表达式www\.\w+(\.com|\.cn) 来匹配网址。 \w+ 匹配一个或多个字母数字字符，\. 匹配点号（需要转义），( ) 用于分组匹配".com"或".cn"。
String html = "www.baidu.comwww.qq.comwww.aaa.cnwww.eee.cn"; String reg = "www\\.\\w+(\\.com|\\.cn)"; // 注意此处需要转义反斜杠 Pattern pattern = Pattern.compile(reg, Pattern.CASE_INSENSITIVE); Matcher matcher = pattern.matcher(html); while (matcher.find()) { System.out.println(matcher.group()); }
运行结果：
www.baidu.com www.qq.com www.aaa.cn www.eee.cn
代码说明：
-
Pattern.compile(reg, Pattern.CASE_INSENSITIVE)：编译正则表达式，CASE_INSENSITIVE标志使匹配不区分大小写。 -
pattern.matcher(html)：创建Matcher对象，用于在HTML文本中查找匹配项。 -
matcher.find()：查找下一个匹配项。 -
matcher.group()：返回匹配的子字符串。
重要提示：
对于复杂的HTML结构，使用正则表达式进行解析可能不够可靠，容易出现错误。 对于更复杂的HTML解析，建议使用专业的HTML解析器库，例如Jsoup，以确保解析的准确性和稳定性。 本例仅用于演示正则表达式的基本用法。
