带有空格的断开链接的正则表达式答案

【问题标题】：Regex for broken links with whitespaces带有空格的断开链接的正则表达式
【发布时间】：2015-10-21 21:25:50
【问题描述】：

我正在使用这个正则表达式

private static final String HREF_PATTERN = 
    "\\s*(?i)href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">\\s]+))";

从

获取链接

 <a href=www.example.com/1234 5678>

网址格式错误。它包含一个空格。问题是我想获得包括“5678”在内的整个链接，但我只获得“www.example.com/1234”。

我不太擅长正则表达式。有人可以提供一个有效的正则表达式，以便我可以获得整个网址“www.example.com/1234 5678”。

谢谢

【问题讨论】：

为什么 URL 会包含空格？通常将空格转换为%20
URL 是从另一个我无法编辑的程序创建的
然后用 %20 替换 withespaces 并为有效的 url 保留正则表达式
你不能在引号内提供网址并从里面获取吗？
试试"\\s*(?i)href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">]+))"。除非您的 <a> 标记包含其他属性，否则这将捕获整个 href 值。或者，您可以在下一个属性名称之前使用前瞻停止：(?i)\\s*href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">]+(?=\\s+\\w+=|>)))

标签： java regex href

【解决方案1】：

外部程序创建一个带有多个 <a href=www.example.com/1234 5678> 标记的 html 电子邮件。

假设您无法在源代码级别修复它，您可以尝试使用正则表达式修复它。

如果href 属性是唯一的属性，您就不必关心= 之后的空格。从您的模式中删除\\s，它将起作用。

private static final String HREF_PATTERN = 
   "(?i)\\s*href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">]+))";
                                                     ^

如果您有带值的属性，则必须使用前瞻：

private static final String HREF_PATTERN = 
    (?i)\\s*href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">]+(?=>|\\s+\\w+=)))

见regex demo

但是，这不适用于nofollow 之类的属性。

【讨论】：