Question

java中怎么用正则截取html中的全部<td ... >....</td>

Answer 1

<td( .*?)?>.*?</td>
//看看这个吧，可能没那么完善，但应该足以应付大多数情况。

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TdMatcher {
public static void main(String[] args) {
String html = "";
html += "<table>";
html += "<tr>";
html += "<td>message</td>";
html += "<td colspan='2'>message2</td>";
html += "<td >message3</td>";
html += "</tr>";
html += "</table>";
String[] matcher = matcher(html);
for (int i = 0; i < matcher.length; i++) {
System.out.println(matcher[i]);
}
}

private static String[] matcher(String html) {
Pattern pattern = Pattern.compile("<td( .*?)?>.*?</td>");
Matcher matcher = pattern.matcher(html);
List<String> list = new ArrayList<String>();
while (matcher.find()) {
list.add(matcher.group());
}
return list.toArray(new String[0]);
}
}

追问

.*?
用了你的这个正则是可以截取到可是突然发现里面嵌套着,这样就产生的冲突,有好的方法解决么

追答

那得换个思路，你想只截取最外围的td，还是内部嵌套的也要截取。

追问

我想截取内部的tb

追答

稍等，我想一下。

Answer 2

// 这是你的HTML内容
String str = "<tr><td>abc</td><td>def</td><tr>";
// 这是正则表达式
String p = "(<td[^>]*>[^<]*</td>)";
Pattern pt = Pattern.compile(p);
Matcher m = pt.matcher(str);
while (m.find())
{
// 输出匹配的内容
System.out.println(m.group(1));
}