Question

正则表达式，如何取HTML标签的属性。

<a href="abc.html" class="a">页面一</a><a href="eee.html" class="e">页面二</a>

我想取 页面二的那个a标签的 href 和 页面二 这两个信息. 怎么写.

Answer 1

<a href=\"(.+?)\" class=\"e\">(.+?)</a>

(.+?)：“()”是分组匹配，“.”是任意字符匹配，“+”是匹配一到多个，“?”是非贪婪匹配，即最少字符匹配，否则会匹配到一些冗余信息。
整个表达式中class=\"e\"是区分页面一和页面二的关键哦~

追问

(.+?) 好像会把 href 和 class 之间的属性也取出来了。我只要 href的属性值，咋整啊大哥

追答

我用Java测了一下确实不正确，不过在.Net中上面表达式应该是正确的，看来Java中和.Net的正则在内部处理上有些差别，呵呵~~
我把正则又改了一下，测试了一下，是正确的了，Java代码：
String str = "页面一页面二";
String regex = "(.+?)";
Matcher matcher = Pattern.compile(regex).matcher(str);
while(matcher.find()) {
System.out.println(matcher.group(1));
System.out.println(matcher.group(2));
}
/**
* 输出结果：
* eee.html
* 页面二
*/
上述正则可以直接取想要的值，有些取巧不够严谨，主要是因为你的字符串特征不够明显，[^\"]仅是对双引号进行过滤，如果没有双引号就不行了。如果class="e"这个特征是已知的并且确定的话，我建议这样写：
String regex = "(.+?)";
Matcher matcher = Pattern.compile(regex).matcher(str);
while (matcher.find()) {
if (“e”.equals(matcher.group(2)) {
System.out.println(matcher.group(1));
System.out.println(matcher.group(3));
}
}
/**
* 输出结果：
* eee.html
* 页面二
*/