一个Java正则匹配需求

      最近都是需求驱动学习，自己要从一张网页内容里抓一些东西，需要通过正则来匹配，顺便把Java正则搜出来看一下，写写完成需求的过程。

      文本内容大致为一张网页里，需要抓出

<a href="http://asfasf.safasf.asfasf"><img src="http://asfasf.asfasf.asfas" name="safaskfjl" /></a>

以上文本里的三段引号里的内容，由于不需要考虑性能，自己就用正则了，原以为比较简单，结果遇到一些小问题，查阅了一些资料，顺便就写写正则匹配吧。

      匹配符号就不说了，常用的都背下来了，Linux中常用到。Java中有几种不同的匹配方式，贪婪，懒惰和侵占，默认是贪婪匹配。举例：aabbacbaeb

贪婪匹配：a.*b匹配所有

懒惰匹配：a.*?b配以匹配aab,acb,aeb

侵占匹配：a.*+b则所有字符串都被.*优先匹配并吃掉，结果b无法匹配出现匹配为空

于是用懒惰匹配，把需要匹配的内容改成变量，于是很快写出：<a\\shref=\"(.*?)\"><img\\ssrc=\"(.*?)\"\\sname=\"(.*?)\"\\s/></a>

将以上内容匹配一张网页发现匹配有问题，网页上如果只出现单个的链接内容如<a href="http://asffsa.fsafsa.ffsa">asaf</a>于是就2掉了，前置会优先匹配<a href="，然后(.*?)会匹配之间到下一个"><img src="里的所有内容。由于直接拿了网页内容来测试，匹配的内容稀奇古怪，刚开始还没找到原因。于是晚上搜资料，怎么会用错了呢，思路也在考虑href后匹配><img就可以了，但是没有这样的指定方法，后来想到了可能是.*?将太多无用的内容给匹配掉了。于是改写为<a\\shref=\"(http://[A-Za-z0-9\\./]+?)\"><img\\ssrc=\"(.*?)\"\\sname=\"(.*?)\"\\s/></a>，这样就不至于被一些其他链接内容干扰。排查共花了1个多小时，期间看了各种正则的资料。还是挺有收获的。

总结，正则表达式是程序猿必备技能阿，还是需要系统的学习一遍的，建议边干边学。