正则表达式从文件中获取所有“.js”和“.css”href 链接答案

【问题标题】：Regex to grab all ".js" and ".css" href links from file正则表达式从文件中获取所有“.js”和“.css”href 链接
【发布时间】：2015-10-09 14:47:42
【问题描述】：

我有一个包含 HTML 内容的字符串，我需要获取到 .css 和 .js 文件的所有链接。现在，我正在使用这种模式"(http:.*?.\\.css)" 来获取所有 CSS 链接，但是我如何也可以包含 .js 链接呢？

这是我的完整代码：

List<String> urlList =  new ArrayList<String>();
String str = new String(Files.readAllBytes(FileSystems.getDefault().getPath("c:" + File.separator + "nutchfiles" + File.separator + "test.html")));
Pattern p = Pattern.compile("(http:.*?.\\.css)");
Matcher m = p.matcher(str);

while (m.find()) {
    LOG.info("matched urls" + m.group());
}

【问题讨论】：

标签： java html regex

【解决方案1】：

如果您正在寻找正则表达式修复，这里是：

Pattern p = Pattern.compile("(http:.*?\\.(?:css|js)\\b)");

交替将帮助您匹配两个扩展名。见Alternation with The Vertical Bar or Pipe Symbol：

如果要搜索文字文本 cat 或 dog，请用竖线或竖线符号分隔两个选项：cat|dog。如果您需要更多选项，只需展开列表：cat|dog|mouse|fish。

但是，使用 HTML 解析器从 HTML 文件中获取任何内容会更安全。

【讨论】：