Java:匹配所有不以.htm结尾的字符串？”

Question

我正在使用正则表达式解析 Java 中的 HTML 文件，我想知道如何匹配所有不以 .htm 结尾的 href=""元素。或.html ，如果匹配，则将引号之间的内容捕获到一个组中

这些是我迄今为止尝试过的:

href\s*[=]\s*"(.+?)(?![.]htm[l]?)"

href\s*[=]\s*"(.*?)(?![.]htm[l]?)"

href\s*[=]\s*"(?![.]htm[l]?)"

据我所知，对于前两个，引号之间的整个字符串都被捕获到第一组中，包括 .htm ( l ) 如果存在的话。

有谁知道如何避免这种情况发生？

Answer 1

您可以重新排列表达式，并将否定前瞻移至捕获之前:

href\s*[=]\s*"(?!.+?[.]htm[l]?")(.+?)"

Here是一个演示。