Java：我有一个很大的html字符串，需要提取href =“…”文本
我有一个包含很大一部分html的字符串，并且正在尝试从字符串的href =“ …”部分提取链接。href可以采用以下形式之一：
<a href="..." />
<a class="..." href="..." />
我真的没有正则表达式的问题，但是由于某些原因，当我使用以下代码时：
String innerHTML = getHTML();
Pattern p = Pattern.compile("href=\"(.*)\"", Pattern.DOTALL);
Matcher m = p.matcher(innerHTML);
if (m.find()) {
// Get all groups for this match
for (int i=0; i<=m.groupCount(); i++) {
String groupStr = m.group(i);
System.out.println(groupStr);
}
}
有人可以告诉我我的代码有什么问题吗？我在php中做过这些事情，但是在Java中我却以某种方式做错了什么。正在发生的事情是，每当我尝试打印它时，它都会打印整个html字符串…
编辑：以便每个人都知道我正在处理哪种字符串：
<a class="Wrap" href="item.php?id=43241"><input type="button">
<span class="chevron"></span>
</a>
<div class="menu"></div>
每当我运行代码时，它都会打印整个字符串…这就是问题所在…
关于使用jTidy …我正在研究它，但是知道在这种情况下出了什么问题也很有趣…
问题答案：
.*
这是一个贪婪的操作，它将使用包括引号在内的任何字符。
尝试类似的方法：
"href=\"([^\"]*)\""
-
问题内容： 我需要清理来自各种Microsoft Office套件应用程序（Excel，Access和Word）的字符串（复制/粘贴），每个应用程序都有自己的一组编码。 我将json_encode用于调试目的，以便能够看到每个编码的字符。 我可以使用str_replace清除到目前为止找到的所有内容（\ r \ n），但是使用\ u00a0则没有运气。 返回： 那是完全一样的。它完全忽略\ u00
-
我需要把绳子接上 到目前为止，我有这个，但不知道如何截断实际的“字符串分隔符”：
-
问题内容： 我试图提取一个子字符串。我需要在PHP中做一些帮助。 以下是一些我正在使用的示例字符串以及需要的结果： 我想将字符串保留到第一个，但是如果不存在，请获取整个字符串。 我试过了， 我认为它说-获取位置，然后从位置0到 该 位置获取子字符串。 我不知道如何处理不存在的情况，而又不会使声明太大。 有没有一种方法也可以处理这种情况而又不会使PHP语句过于复杂？ 问题答案： 采用 在这种情况下，
-
问题内容： 我尝试获取<％=和％>之间的字符串，这是我的实现： 它返回 但我的期望是： 我在哪里错了以及如何纠正它？ 问题答案： 您的模式很好。但是，您不应该轻信它，应该这样做。以下代码提供了您正在寻找的输出：
-
我试图创建一个项目，我需要从imdb中提取数据。我看过一些php提取器，但我需要一个java程序来实现这一点。我需要提取以下信息： 电影名称和年份 小地块 评分 体裁 演员 我需要从以下数据中提取数据： 该数据来自imdbapi。如果有帮助的话。让我知道是否有任何其他方法以任何其他方式提取此数据，我指的是以更结构化的形式显示此数据的其他方式。喜欢excel。