从 html 行中提取 href 的正确正则表达式是什么？（爪哇）答案

【问题标题】：What would be the correct regular expression for extracting a href from a html line? (Java)从 html 行中提取 href 的正确正则表达式是什么？（爪哇）
【发布时间】：2012-01-03 05:32:27
【问题描述】：

您好，我正在尝试提取 href 在 html 行中定义的文本。例如：

<link rel="stylesheet" href="style.css" type="text/css">

我想获取“style.css”或者：

<a href="target0.html"><img align="center" src="thumbnails/image001.jpg" width="154" height="99">

我想得到“target0.html”

执行此操作的正确 Java 代码是什么？

【问题讨论】：

我认为这个问题的答案就是你要找的：stackoverflow.com/questions/1670593/…
强制 SO 链接：stackoverflow.com/questions/1732348 阅读投票最多的答案； )

标签： java html regex

【解决方案1】：

我没有尝试以下，但应该是这样的：

'Pattern.compile("<(?:link|a\s+)[^>]*href=\"(.*?)\"")'

但我建议您为此任务使用可用的 HTML 甚至 XML 解析器之一。

【讨论】：

【解决方案2】：

我知道你问过关于使用正则表达式的问题，但 jsoup 使这变得如此简单并且更不容易出错：

import java.io.IOException;

import nu.xom.ParsingException;
import nu.xom.ValidityException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.xml.sax.SAXException;

public class HrefExtractor {
    public static void main(final String[] args) throws SAXException, ValidityException, ParsingException, IOException {
        final Document document = Jsoup.parse("<a href=\"target0.html\"><img align=\"center\" src=\"thumbnails/image001.jpg\" width=\"154\" height=\"99\">");
        final Elements links = document.select("a[href]");
        for (final Element element : links) {
            System.out.println(element.attr("href"));
        }
    }
}

【讨论】：

【解决方案3】：

    public static String getHref(String str)
    {
        int startIndex = str.indexOf("href=");
        if (startIndex < 0)
            return "";
        return str.substring(startIndex + 6, str.indexOf("\"", startIndex + 6));
    }

此方法假定 html 格式正确，并且仅适用于字符串中的第一个 href，但我相信您可以从这里推断出来。

【讨论】：