Java正则表达式：没有哈希的href答案

【问题标题】：Java Regular Expression: href without hashJava正则表达式：没有哈希的href
【发布时间】：2023-03-31 18:48:02
【问题描述】：

我正在尝试构建站点地图并解析没有 # 的 hrefs 的 html 正文（因为带有哈希的只是某些内容页面 html 中的子章节链接）。

我现在的正则表达式：<a\\s[^>]*href\\s*=\\s*\"([^\"]*)\"[^>]*>(.*?)</a> 我想我应该使用[^#] 或!# 将# 从hrefs 中排除，但仅通过尝试和谷歌搜索无法解决它。提前感谢您帮助我！

【问题讨论】：

标签： java html regex href

【解决方案1】：

做到了。刚刚在[^\"] 块中也插入了#。 :D

<a\\s[^>]*href\\s*=\\s*\"([^\"#]*)\"[^>]*>(.*?)</a>

【讨论】：

如果您正在尝试并尝试但它不起作用，请多尝试一下。 :)

【解决方案2】：

您不应该使用正则表达式来解析 HTML。

最好使用 HTML 解析器，例如 http://jsoup.org 然后

Document doc = Jsoup.parse(input);
Elements links = doc.select("a[href]");

for (Element each: links) {
    if (each.attr("href").startsWith("#")) continue;
    ...
}

比使用正则表达式轻松多了，嗯！

【讨论】：