使用正则表达式帮助解析和获取 html 中 <p> 标记的内容

Question

我有一个网站我想从中获取数据，内容的布局如下：

 <p uri="/someRandomURL.p1" class="">TestData TestData TestData</p> 
 <p uri="/someRandomURL.p2" class="">TestData1 TestData1 TestData1</p>

我正在使用 Java 来获取网页的内容，并尝试像这样解析它：

        Pattern p = Pattern.compile(".*?p1' class=''>(.*?)<.*");
        Matcher m = p.matcher(data);

        //Print out regex groups to console
        System.out.println(m.group(1)) ;

但随后抛出异常，提示找不到匹配项...

我的正则表达式正确吗？还有什么可能发生的？我的 html 没问题，但显然我的正则表达式不匹配......

谢谢

Answer 1

如果文本元素包含多个文本行，那么它将找不到匹配项，因为点 (.) 与 \n 不匹配（默认情况下）。

试试这个：

 Pattern p = Pattern.compile(".*?p1' class=''>(.*?)<.*", Pattern.DOTALL);