Jsoup getElementsByAttributeValueMatching答案

【问题标题】：Jsoup getElementsByAttributeValueMatchingJsoup getElementsByAttributeValueMatching
【发布时间】：2017-09-04 14:51:55
【问题描述】：

[JSoup 讨论页面建议我在这里提问。]

所以，我不是正则表达式专家，但我想知道我从 jsoup 得到的结果 getElementsByAttributeValueMatching() 方法。

如果我的 html 页面包含（以及其他）以下链接：

<a href="/tweb/tiles/twr/EIDS_AT_20130108T134335/01/">Parent Directory</a>
<a href="1357681618315/">1357681618315/</a>
<a href="1357681649996/">1357681649996/</a>

我查询：

Elements dirs = baseDir.getElementsByAttributeValueMatching("href", Pattern.compile("[0-9]+/"));

希望只得到 2 个只有数字的链接（末尾有一个斜线）。

但是，我得到了所有 3 个链接。

我编写了一个快速测试程序来检查 java 的模式匹配器对带有 3 个 href 字符串的正则表达式的响应，并且它只返回两个只有数字的我所期望的：

String a = "/tweb/tiles/twr/EIDS_AT_20130108T134335/01/";
String b = "1357681618315/";
String c = "1357681649996/";

Pattern p = Pattern.compile("[0-9]+/");

System.out.println("a:"+ p.matcher(a).matches());
System.out.println("b:"+ p.matcher(b).matches());
System.out.println("c:"+ p.matcher(c).matches());

返回：一个：假的 b:真 c:真

所以，我的问题是，我错过了什么？

谢谢，莱纳斯

【问题讨论】：

标签： java regex jsoup

【解决方案1】：

Jsoup 使用Matcher#find()，而不是Matcher#matches()。因此，您需要自己提供^ 和$。

Elements dirs = baseDir.getElementsByAttributeValueMatching(
    "href", Pattern.compile("^[0-9]+/$"));

这里是解释差异的相关 javadoc 摘录（强调我的）：

找到

...

返回：

true 当且仅当输入序列的一个 子序列 匹配此匹配器的模式

匹配

...

返回：

true 当且仅当整个区域序列匹配此匹配器的模式

至于为什么 Jsoup 使用find() 而不是matches()，这个问题你要问它的创建者。

【讨论】：

确实如此。我想也许文档可能会提到这一点。非常感谢！

【解决方案2】：

当我们在 jsoup 中使用 select 时，您可以使用 [attr*=valContaining] 和 [attr~=regex]。

元素 dirs = baseDir.select([attr~=regex]);

attr----> 属性正则表达式-----> 正则表达式应用于该属性的值

请参阅此处的文档https://jsoup.org/apidocs/org/jsoup/select/Selector.html

【讨论】：