如何用Java正则表达式从HTML文本中提取特定网址？

怎么入门文章编程？需要学习哪些知识点？这是新手们刚接触编程时常见的问题；下面golang学习网就来给大家整理分享一些知识点，希望能够给初学者一些帮助。本篇文章就来介绍《如何用Java正则表达式从HTML文本中提取特定网址？》，涉及到，有需要的可以收藏一下

正则表达式从复杂html中提取所需内容

想要从包含大量html标签的文本中提取特定的内容？java正则表达式可以轻松实现这一目标。

问题描述：如何从如下html文本中过滤提取"www.baidu.com"、"www.qq.com"和"www.aaa.cn"等内容？

<p>++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++</p>

答案：

string html = "<a>www.baidu.com</a><a>www.qq.com</a><a>www.aaa.cn</a>www.eee.cn";
string reg = "www.*?(com|cn)";

matcher matcher = pattern.compile(reg, pattern.case_insensitive).matcher(html);
while (matcher.find()) {
    system.out.println(matcher.group());
}

输出结果：

www.baidu.com
www.qq.com
www.aaa.cn
www.eee.cn

正则表达式说明：

• "www"：匹配"www"字符串。
• " .*?"：匹配任意数量的非换行符字符，但尽可能少匹配。
• "(com|cn)"：匹配以".com"或".cn"结尾的字符串。
• "pattern.case_insensitive"：进行不区分大小写的匹配。

今天关于《如何用Java正则表达式从HTML文本中提取特定网址？》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！