java - 获取 url 的正则表达式模式不起作用

Question

让我直接讨论我的问题。

public static final String EXAMPLE_TEST = "<span id=\"lblObject\"><a href=\"http://www.guideline.gov/content.aspx?id=15135\" alt=\"View object\">Manual medicine guidelines for musculoskeletal injuries.</a></span>";

    //public static final String EXAMPLE_TEST ="<a href=\"http://www.guideline.gov/content.aspx?id=1112\"></a>";
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("<a href=\"http://www.guideline.gov/content.aspx?id=(\\d+)\"");
        // in case you would like to ignore case sensitivity,
        // you could use this statement:
        // Pattern pattern = Pattern.compile("\\s+", Pattern.CASE_INSENSITIVE);
        Matcher matcher = pattern.matcher(EXAMPLE_TEST);
        // check all occurance
        while (matcher.find()) {
            System.out.print("Start index: " + matcher.start());
            System.out.print(" End index: " + matcher.end() + " ");
            System.out.println(matcher.group());
        }


    }

正则表达式存在一些问题。我使用的示例字符串只是一个虚拟字符串。实际上，我将有一个 html 文件，其中有许多具有以下模式 http://www.guideline.gov/content.aspx?id=some_number 的 url 链接。我需要从该 html 文件中获取这些链接。请大家帮我找出我的正则表达式有什么问题。

Answer 1

问题是问号 ? 是一个正则表达式量词，意思是“一或无”，但您将其用作文字字符:您必须转义问号:

Pattern pattern = Pattern.compile("<a href=\"http://www.guideline.gov/content.aspx\\?id=(\\d+)\"");

这里的主要区别是:

...content.aspx\\?id...

请注意问号之前的双反斜杠，这就是在 Java 中为正则表达式编写单反斜杠的方式，因此模式为 ...content.aspx\?id...

您的正则表达式没有问号，而是有零或一个x，然后是id。

您可能也应该转义点，但它可能已经足够接近了。