如何从 something 中获取“某物”使用 java 正则表达式

【问题标题】：how to get "something" from something use java Regular expressions如何从 something 中获取“某物”使用 java 正则表达式
【发布时间】：2012-11-26 07:44:39
【问题描述】：

在下面，我需要得到：

String regex = "Item#: <em>.*</em>";
String content = "xxx Item#: <em>something</em> yyy";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(content); 

if( matcher.find() ) {
    System.out.println(matcher.group());
}

它会打印出来：

Item#: <em>something</em>

但我只需要值“某物”。

我知道我可以使用 .substring(begin,end) 来获取值，但是还有其他更优雅的方法吗？

【问题讨论】：

Parsing HTML the Ctulhu Way
除此之外，只需 "Item#: (.*)" 添加括号。
@soulseekah 并使正则表达式不贪心Item#: (.*?)
@jlordo 是的，非贪婪的效果要好得多:)
@soulseekah，这非常聪明，谢谢。我会试试的。

标签： java html regex

【解决方案1】：

它会打印整个字符串，因为您已经打印了它。 matcher.group() 打印完整的匹配。要获取匹配字符串的特定部分，您需要更改正则表达式以捕获组中标签之间的内容：-

String regex = "Item#: <em>(.*?)</em>";

此外，使用Reluctant 量词(.*?) 匹配遇到 之前的最少字符数。

然后在 if 中，打印 group(1) 而不是 group()

if( matcher.find() ) {
    System.out.println(matcher.group(1));
}

无论如何，您不应该使用Regex 来解析HTML。正则表达式不足以完成这项任务。您可能应该使用一些 HTML 解析器，例如 - HTML Cleaner。另请参阅 OP 中的 cmets 之一中提供的链接。那篇文章很好地解释了您可能面临的问题。

【讨论】：

在这种情况下，勉强的量词会不会更安全？ "Item#: (.*?)"