java HTML正则表达式问题

Question

我正在尝试转换以下字符串：

<img src="image.jpg" ... />

这个

<img src="cid:image" ... />

需要维护“图像”字符串，但字符串本身可能不同。在 html 文档中有不同的 img 标签，每个标签都有不同的图像文件。

例如，如果我有：

<img src="mylogo.jpg" ... />

它应该转换为：

<img src="cid:mylogo" ... />

图片可以是jpg 或gif。

感谢您的帮助，

Answer 1

注意：

除了Regex不是解析HTML的正确工具，如cmets中提到的，因为Java中有很多解析HTML的工具，也许你可以看看@比如987654321@，我会给你一个适合你使用Regex需求的解决方案。

解决方案：

您可以使用以下正则表达式：

src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"

这是您需要的代码：

        String html = "<img src=\"folder1/mylogo.jpg\" ... />";
        Pattern pattern = Pattern.compile("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"");
        Matcher matcher = pattern.matcher(html);
        while (matcher.find()) {
            System.out.println("group 1: " + matcher.group(1));
            //This line will give you the wanted output.
            System.out.println("src=\"cid:"+matcher.group(1)+"\"");
            System.out.println("Final Result: "+html.replaceAll("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"", "src=\"cid:$1\""));
        }

这是a Working DEMO。

说明：

• src= 匹配字符 src= 的字面意思。
• \" 匹配字符 " 的字面意义。
• ([\\w\\/]+) 是一个捕获组，用于匹配所有想要的文本。
• \. 匹配字符 . 的字面意义。
• \w{3,4} 匹配任何单词字符 [a-zA-Z0-9_] 3 到 4 次用于扩展，如果您不愿意使用任何其他图像扩展，可以使用 jpg|gif。
• \" 匹配字符 " 字面意思

---

编辑：

期望的输出：

要将此表达式替换为想要的结果，只需在您的 HTML 中使用 replaceAll() 方法上的此正则表达式，如下所示：

html.replaceAll("src=\"([\\:\\w\\s\\/]+)\\.\\w{3}\"", "src=\"cid:$1\"");

我们使用$1 指向第一个捕获组。