Java:我有一大串 html，需要提取 href ="..."文本

Question

我有这个包含大量 html 的字符串，我试图从字符串的 href="..."部分提取链接。 href 可以是以下形式之一:

<a href="..." />
<a class="..." href="..." />

我对正则表达式没有真正的问题，但出于某种原因，当我使用以下代码时:

        String innerHTML = getHTML(); 
  Pattern p = Pattern.compile("href=\"(.*)\"", Pattern.DOTALL);
  Matcher m = p.matcher(innerHTML);
  if (m.find()) {
   // Get all groups for this match
   for (int i=0; i<=m.groupCount(); i++) {
    String groupStr = m.group(i);
    System.out.println(groupStr);

   }
  }

有人能告诉我我的代码有什么问题吗？我在 php 中做了这些东西，但在 Java 中我不知何故做错了......发生的事情是每当我尝试打印它时它都会打印整个 html 字符串......

编辑:让每个人都知道我正在处理什么样的字符串:

<a class="Wrap" href="item.php?id=43241"><input type="button">
    <span class="chevron"></span>
  </a>
  <div class="menu"></div>

每次我运行代码时，它都会打印整个字符串...这就是问题所在...

关于使用 jTidy...我正在研究它，但如果知道在这种情况下出了什么问题也会很有趣...

Answer 1

.* 

这是一个贪婪的操作，将接受任何字符，包括引号。

尝试这样的事情:

"href=\"([^\"]*)\""