java HTML正则表达式问题

Question

我正在尝试转换以下字符串:

<img src="image.jpg" ... />

这个

<img src="cid:image" ... />

需要维护“图像”字符串，但字符串本身可能不同。在 html 文档中有不同的 img 标签，每个标签都有不同的图像文件。

例如，如果我有:

<img src="mylogo.jpg" ... />

它应该转换为:

<img src="cid:mylogo" ... />

图像可以是 jpg 或 gif。

感谢您的帮助，

Answer 1

注意:

除了 Regex 不是解析 HTML 的正确工具之外，如评论中所述，因为在 Java 中有许多解析 HTML 的工具 也许你可以看看 jsoup 例如，我会给你一个适合你使用正则表达式的需求的解决方案。

解决方案:

您可以使用以下正则表达式:

src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"

这是您需要的代码:

        String html = "<img src=\"folder1/mylogo.jpg\" ... />";
        Pattern pattern = Pattern.compile("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"");
        Matcher matcher = pattern.matcher(html);
        while (matcher.find()) {
            System.out.println("group 1: " + matcher.group(1));
            //This line will give you the wanted output.
            System.out.println("src=\"cid:"+matcher.group(1)+"\"");
            System.out.println("Final Result: "+html.replaceAll("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"", "src=\"cid:$1\""));
        }

这是 a Working DEMO .

解释:

• src= 按字面意思匹配字符 src=。
• \" 按字面意思匹配字符 "。
• ([\\w\\/]+) 是一个捕获组来匹配所有想要的文本。
• \. 按字面意思匹配字符 .。
• \w{3,4} 匹配任何单词字符 [a-zA-Z0-9_] 3 到 4 次以进行扩展，您可以如果您不愿意使用任何其他图像扩展，请使用 jpg|gif。
• \" 按字面意思匹配字符 "

---

编辑:

期望的输出:

要用想要的结果替换此表达式，只需在 replaceAll() 方法上使用此正则表达式和您的 HTML，如下所示:

html.replaceAll("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"", "src=\"cid:$1\"");

我们使用 $1 指向第一个捕获组。