Java 正则表达式在 HTML 文件中查找 CSS 导入答案

【问题标题】：Java Regular Expression to find CSS import in HTML fileJava 正则表达式在 HTML 文件中查找 CSS 导入
【发布时间】：2013-12-18 21:53:40
【问题描述】：

我正在构建一个 Java 程序，它将网站的副本下载到本地计算机，同时保持原始文件层次结构。

我正在使用以下内容：查找 http://www.w3schools.com/css/css_howto.asp 形式的 CSS（注意工作）

private static final String HTML_CSS_TAG_PATTERN = "\\s*(?i)href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">\\s]+))";
private static final String CSS_TAG_PATTERN = "(?i)<link([^>]+)>(.+?)>";

要查找图像（工作正常）：

private static final String HTML_IMG_TAG_PATTERN = "\\s*(?i)src\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">\\s]+))";
private static final String IMG_TAG_PATTERN = "(?i)<img([^>]+)>(.+?)>";

查找http://www.w3schools.com/html/html_links.asp 形式的链接（工作正常）

private static final String HTML_A_HREF_TAG_PATTERN = "\\s*(?i)href\\s*=\\s*(\"([^\"]*\")|'[^']*'|([^'\">\\s]+))";
private static final String HTML_A_TAG_PATTERN = "(?i)<a([^>]+)>(.+?)</a>";

链接和图片都可以正常工作，但 CSS 文件却不行。我希望它能提取到 CSS 文件的链接，以便我可以保存它。谁能帮我解决我错过的问题？

【问题讨论】：

只使用像 jsoup.org 这样的 HTML 解析器有什么问题？为什么要尝试这种过于复杂且容易出错的方式？
这是一个作业，我必须使用正则表达式

标签： java html regex

【解决方案1】：

尝试： CSS_TAG_PATTERN

<link[^>]+?text/css[^>]*?>

将匹配

<link rel="stylesheet" type="text/css" href="//cdn.sstatic.net/stackoverflow/all.css?v=0eb8b68aff29">

【讨论】：

它抛出以下错误：线程“main”中的异常 java.lang.IndexOutOfBoundsException：CSSRegEx.grabHTMLLinks(CSSRegEx. java:42) at HTML.main(HTML.java:63) 我认为这意味着它正在查找对 CSS 的引用，但 CSS_TAG_PATTERN 中仍然存在错误？
第 1 组的预期是什么？
stackoverflow.com/questions/1732348/…

【解决方案2】：

为确保您只获得 CSS 样式表，请尝试遵循 CSS_TAG_PATTERN：

<link.*\s+rel="stylesheet"([^>]+)>

这个模式会匹配下面两个

    <link rel="stylesheet" type="text/css" href="theme.css">
    <link type="text/css" rel="stylesheet"  href="theme.css">

但不是

    <link type="text/css" rel="license"  href="someStuff">

【讨论】：

我不确定你的意思。

【解决方案3】：

试试这个模式

<link[.]+?text/css[.]*?>

会匹配

<link rel="stylesheet" type="text/css" href="theme.css">
<link type="text/css" rel="stylesheet"  href="theme.css">
<link type="text/css" rel="license"  href="someStuff">

【讨论】：