Java 我找不到超过 1 个正则表达式匹配答案

【问题标题】：Java I am unable to find more than 1 regex matchJava 我找不到超过 1 个正则表达式匹配
【发布时间】：2021-09-07 19:10:22
【问题描述】：

我正在尝试抓取此网页。我需要在“等级名称”下找到所有名称

网址：https://secure.runescape.com/m=hiscore_oldschool/overall?table=0&page=1

但是我遇到了一个大问题。只找到第一个匹配项（Lynx Titan）。 log(m.group(1).split("\"")[0]); 与 Lynx Titan 匹配。但是如果我将 [0] 替换为 1 或 2，它就不起作用。它应该显示下一个名称。任何帮助表示赞赏

public void getRsn() throws IOException {
        URL url = new URL("https://secure.runescape.com/m=hiscore_oldschool/overall?table=0&page=1");
        URLConnection conn = url.openConnection();
        conn.setRequestProperty("User-Agent",
                "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:91.0) Gecko/20100101 Firefox/91.0");
        conn.connect();
        BufferedReader serverResponse = new BufferedReader(
                new InputStreamReader(conn.getInputStream()));

        String s =  serverResponse.lines().collect(Collectors.joining());

        Matcher m = Pattern.compile("user1=(.*)\">").matcher(s);
        while(m.find()) {
            log(m.group(1).split("\"")[0]);
        }

        serverResponse.close();
    }

【问题讨论】：

不要使用正则表达式 - 使用 JSoup
P.S.顺便说一句，您的代码对我来说很好用，拆分部分似乎没有必要 - 第一组不包含引号字符

标签： java regex

【解决方案1】：

你的问题是你的正则表达式：你只匹配一个用户。此外，while 循环的每次迭代都会找到另一个用户，而不是拆分的每个元素（您实际上不需要）。

使用匹配每个用户的正则表达式，仅用户名：

Matcher m = Pattern.compile("(?<=user1=)[^\"]+").matcher(s);
while(m.find()) {
    System.out.println(m.group()); // the entire match is the user name
}

【讨论】：

【解决方案2】：

试试这个方法，

URL url = new URL("https://secure.runescape.com/m=hiscore_oldschool/overall?table=0&page=1");
URLConnection conn = url.openConnection();
conn.setRequestProperty("User-Agent",
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:91.0) Gecko/20100101 Firefox/91.0");
conn.connect();
BufferedReader serverResponse = new BufferedReader(
        new InputStreamReader(conn.getInputStream(), StandardCharsets.UTF_8));

String s =  serverResponse.lines().collect(Collectors.joining());
serverResponse.close();
Matcher m = Pattern.compile("(user1=)([a-zA-Z0-9\\s\\�]+)(\">)").matcher(s);
while(m.find()) {
    System.out.println((m.group(2).replaceAll("\\�", " ")));
}

我的输出是，

Lynx Titan
Hey Jase
ShawnBay
senZe
Tomdabom
Karma
Harmony
DedWilson
GodTormentor
Vinny
borsi
Brundeen
Aziz
Eeli
baile y
gaslighter73
Dan Gleesac
blind idiot
he box jonge
Gustav
Randalicious
Oskar
Killzone
moksi
Capt King

更新

字符集实际上是ISO_8859_1 而不是UTF_8。所以你可以把这个答案做得更好。

URL url = new URL("https://secure.runescape.com/m=hiscore_oldschool/overall?table=0&page=1");
URLConnection conn = url.openConnection();
conn.setRequestProperty("User-Agent",
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:91.0) Gecko/20100101 Firefox/91.0");
conn.connect();
BufferedReader serverResponse = new BufferedReader(
        new InputStreamReader(conn.getInputStream(), StandardCharsets.ISO_8859_1));

String s =  serverResponse.lines().collect(Collectors.joining());
serverResponse.close();
Matcher m = Pattern.compile("(user1=)([a-zA-Z0-9\\ \\ ]+)(\">)").matcher(s);
while(m.find()) {
    System.out.println((m.group(2)));
}

注意：文档中有两个不同的空格字符

【讨论】：