java通过正则表达式匹配获取链接地址

【爬虫基础】java用正则表达式处提取网页信息 在网络爬虫这一方面,java并不如Python好用。本文只用正则表达式提取信息,如果想要更精确地从html文件中提取信息,必须使用网页地解析器。可以通过第三方库,比如Jsoup等。 我们提取出豆瓣的Top250电影名 没由网页解析器,这是一件比较困难的事情。我们首先获得网页。JDK9开始新增的net.http包,这比原来的方式要简单许多 package newHTTP; import java.io.IOException; import java.net.URI; import java.net.URLE 阅读详情

获取页面中字符串的url地址我们都会使用正则表达式来匹配获取了,下面我来给大家总结几个匹配获取链接地址示例。

1、正则表达式中Matcher中find()方法的应用。

2、String对象中的 replaceAll(String regex,String replacement) 方法的使用。通过这个方法去除了不必要的字符串,从而得到了需要的网址和链接文字

例.1超简单的

 代码如下复制代码

String content = "<a href="URL">"; 
String pattern= "href="([^"]*)""; 
Pattern p = Pattern.compile(pattern, 2 | Pattern.DOTALL); 
Matcher m = p.matcher(content);

if(m.find()) { 
     System.out.println("url="+m.group(1)); 
}

例2.上

面只能获取带有双“号的a标题中的url,下面我们加以改进可以获取任何状态下的a标题url

 代码如下复制代码

package com.gong.example;

 

import java.util.regex.Matcher;

import java.util.regex.Pattern;

 

public class Simple {

 

 public static void main(String[] args){

  

  String input="<a style=" " href = "http://www.111cn.net" target="_blank" >www.zjsyc.com</a>" +

  "<a href = 'http://www.111cn.net' target='_blank' >www.163.com</a> " +

  "<a href=http://www.hzhuti.com target=_blank >www.yahoo.com</a>";

 

  String patternString = "\s*(?i)href\s*=\s*("([^"]*")|'[^']*'|([^'">\s]+))"; //href

  

  Pattern pattern = Pattern.compile(patternString,

    Pattern.CASE_INSENSITIVE);

  Matcher matcher = pattern.matcher(input);

  while (matcher.find()) {

   String link=matcher.group();

   System.out.println(link);

   

   link=link.replaceAll("href\s*=\s*(['|"]*)", "");

   System.out.println("--"+link);

   

   link=link.replaceAll("['|"]", "");

   System.out.println("---"+link);

  }

  

 }

}

例.3我们还可以利用它进行升级获取 获取网址和链接文字哦。

*
     功能说明:分析字符串s,提取s里面的超链接和链接文字
     2008年3月30日
      程序人生博客 
*/

 代码如下复制代码

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegTest
{
    public static void main(String[] args)
    {
        
        
        //String s="<p id=km>&nbsp;<a href=http://down.111cn.net>空间</a>&nbsp;|&nbsp;<a ";
        String s="</p><p style=height:14px><a href=http://mb.111cn.net>企业推广</a> | <a href=http://code.111cn.net>搜索风云榜</a> | <a href=/home.html>关于百度</a> | <a href=http://www.111cn.net>About Baidu</a></p><p id=b>&copy;2008 Baidu <a href=http://www.111cn.net>使用百度前必读</a> <a href=http://www.miibeian.gov.cn target=_blank>京ICP证030173号</a> <a href=http://www.hzhuti.com><img src=/get_pic/2013/11/22/20131122031447947.gif></a></p></center></body></html><!--543ff95f18f36b11-->";
      
         String regex="<a.*?/a>";        
        //String regex = "<a.*>(.*)</a>";
        Pattern pt=Pattern.compile(regex);
        Matcher mt=pt.matcher(s);
        while(mt.find())
        {
             System.out.println(mt.group());
             System.out.println();
             String s2=">.*?</a>";//标题部分
             String s3="href=.*?>";
              
              Pattern pt2=Pattern.compile(s2);
              Matcher mt2=pt2.matcher(mt.group());
              while(mt2.find())
                {
               System.out.println("标题:"+mt2.group().replaceAll(">|</a>",""));
              }
              
              Pattern pt3=Pattern.compile(s3);
              Matcher mt3=pt3.matcher(mt.group());
              while(mt3.find())
                {
               System.out.println("网址:"+mt3.group().replaceAll("href=|>",""));
              }              
        }
    }
}


Java 正则表达式怎么提取域名URL,少走弯路最有用的办法 Java 正则表达式怎么提取域名URL 阅读详情

相关推荐

java正则表达式匹配网页所有网址和链接文字的示例

主要介绍了java正则表达式匹配网页所有网址和链接文字java正则表达式匹配,需要的朋友可以参考下

10.java正则表达式URL匹配

URL匹配 思路: 1.先验证url开始部分 https:// 或 http:// 2.通过((http|https)????/)([\w-]+.)+[\w$]+ 匹配域名www.bilibili.com 3.(/[\w-?=&./]*)? 匹配 /video/BV1Eq4y1E79W?from=search&seid public class RegExp11 { public static void main(String[] args){ String cont

程序员阿红的博客 4346

PWM调光原理详解:为什么你的LED灯会闪烁?从硬件到软件的避坑指南

本文深入解析PWM调光原理,揭示LED灯闪烁的根本原因,并提供从硬件设计到软件算法的全面解决方案。通过分析人眼视觉暂留机制和PWM参数设置,帮助开发者避免频闪问题,提升照明质量。特别适合电子工程师和智能家居开发者参考。

weixin_29189363的博客 297

java正则的地址匹配,java通过正则表达式匹配获取链接地址

获取页面中字符串的url地址我们都会使用正则表达式来匹配获取了,下面我来给大家总结几个匹配获取链接地址示例。1、正则表达式中Matcher中find()方法的应用。2、String对象中的 replaceAll(String regex,String replacement) 方法的使用。通过这个方法去除了不必要的字符串,从而得到了需要的网址和链接文字例.1超简单的代码如下复制代码String c...

weixin_34061440的博客 1453

立创开源:基于STM32F103与ADS1256的六维力传感器低成本实现方案

本文详细介绍了一种基于STM32F103微控制器与ADS1256高精度ADC的低成本六维力传感器实现方案。该方案通过3D打印的六梁弹性体结构结合应变片,将多维力信号转换为电信号,并由24位ADC进行高精度采集。文章涵盖了硬件选型、电路设计、嵌入式软件驱动及上位机数据可视化全流程,为机器人、精密测量等领域的爱好者提供了一个可复现的开源实践参考。

weixin_34718952的博客 396

从零构建:ESP32S3无线DAP-Link调试器的硬件与软件协同设计

本文详细介绍了基于ESP32S3的无线DAP-Link调试器的硬件与软件协同设计,涵盖关键元器件选型、无线通信协议优化、双核任务处理及低功耗调试方案。通过ESP-NOW协议实现低延迟无线调试,结合USB协议栈与双核协同,为嵌入式开发提供高效灵活的调试解决方案。

gitlab7runner的博客 860

java 正则表达式匹配链接_Java使用正则表达式匹配获取链接地址的方法示例

Java使用正则表达式匹配获取链接地址的方法示例发布于 2020-6-14|复制链接摘记: 本文实例讲述了Java使用正则表达式匹配获取链接地址的方法。分享给大家供大家参考,具体如下:获取页面中字符串的url地址我们都会使用正则表达式来匹配获取了,下面我来给大家总结几个匹配获取链接地址示例。1、正则表达式中Matcher中find()方法的应用。2、String对象中的 ..本文实例讲述了Jav...

weixin_42515687的博客 1090

RAG-Anything 实战:构建企业级多模态知识图谱问答系统

本文详细介绍了如何利用RAG-Anything构建企业级多模态知识图谱问答系统,解决跨模态文档处理的痛点。通过架构设计解析、部署实战指南和典型业务场景解决方案,帮助企业实现高效的知识管理和智能检索,提升决策效率。

weixin_29089057的博客 386

java正则 链接_Java使用正则表达式匹配获取链接地址的方法示例

本文实例讲述了Java使用正则表达式匹配获取链接地址的方法。分享给大家供大家参考,具体如下:获取页面中字符串的url地址我们都会使用正则表达式来匹配获取了,下面我来给大家总结几个匹配获取链接地址示例。1、正则表达式中Matcher中find()方法的应用。2、String对象中的 replaceAll(String regex,String replacement) 方法的使用。通过这个方法去除了...

weixin_29159711的博客 840

Labelme安装教程(附Anaconda安装教程)

本文详细介绍了如何安装Anaconda和Labelme,还提供了常见问题的解决建议。

HanYan_ing的博客 1万+

用 OData V2 元数据驱动表格体验:SAP UI5 Smart Table 全面解析

摘要: Smart Table是SAPUI5中基于OData元数据自动生成表格的控件,支持个性化、排序、过滤等高级功能。文章从九个维度深入解析其工作机制:1)通过元数据和注解自动生成列;2)支持多种表格类型;3)关键属性的静态化特性;4)与其他智能控件的协同;5)导航属性和导出的处理;6)响应式设计;7)个性化配置;8)性能优化策略;9)端到端实现案例。Smart Table通过读取OData元数据自动完成表格渲染,大幅减少开发工作量,特别适合企业级应用开发场景。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 325

利用JSP获取网页源文件并抓取其中的链接地址

 利用java的net包获取网页源文件,使用正则表达式抓取当中的链接地址,因正则表达式学艺不精,下面这个例子中并不能抓取所有情况下的href属性中的链接地址test.jspString sCurrentLine;  String sTotalString;  sCurrentLine="";  sTotalString="";  java.io.InputStream l_urlStream; 

ncflywolf的专栏 1639

JavaScript实现量化交易策略(附完整源码)

JavaScript实现量化交易策略(附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 722

JSP获取网页源文件并抓取其中的链接地址

nm利用java的net包获取网页源文件,使用正则表达式抓取当中的链接地址,因正则表达式学艺不精,下面这个例子中并不能抓取所有情况下的href属性中的链接地址test.jspString sCurrentLine;  String sTotalString;  sCurrentLine="";  sTotalString="";  java.io.InputStream l_urlStream; 

2002

20_文件系统的制作 -JFFS2

JFFS2 文件系统是通过工具 mkfs.jffs2 将文件系统目录制成映像文件。制作工具mkfs.jffs2 需要编译 zhb 库和 mtd-utils,下面详细介绍其制作过程

Leon的博客 549

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

匹配img标签及img 的src的正则表达式

为什么80%的码农都做不了架构师?>>> ...

weixin_33716557的博客 4037

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Java获取网页所有网址和链接文字(正则表达式)

// 通过指定URL,获取网页上所有的“链接URL”和“链接文字”。package catch_url;import java.io.BufferedReader;import java.io.InputStreamReader;import java.net.URL;import java.util.regex.Matcher;import java.util.regex.Pattern

xx_liuhui的专栏 2545

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Java处理图片地址,超链接地址替换正则表达式写法

public static String getSrc(String mm){ String img = mm.replaceAll("[\\s\\p{Zs}]+", ""); System.out.println("ret=="+img); int n = img.indexOf("src=\""); String re...

huangbaokang的博客 1193

java 获取 html 图片_详解JAVA抓取网页的图片,JAVA利用正则表达式抓取网站图片

利用Java抓取网页上的所有图片:用两个正则表达式:1、匹配html中img标签的正则:]*?>2、匹配img标签中得src中http路径的正则:http:\"?(.*?)(\"|>|\\s+)实现:package org.swinglife.main;import java.io.File;import java.io.FileOutputStream;import java.io....

weixin_42515181的博客 649

Java 提取链接内容及标题

String httpTag= "&lt;a\\b([^&gt;]+)(.*?)&lt;/a&gt;"; //String linkHref= "(?:HREF\\s*=\\s*(?:\")([^\"]*)\"|'([^']*)'|([^'\"&gt;\\s]+))"; String linkHref= "HREF\\s*=\\s*(?:\"([^\"]*

碌人乘凉, 黎硕 --> Aerchi.com 210

正则表达式学习 ---- 抓取远程网页并解析HTML

 学习java的正则表达式,抓取网页并解析HTML部分内容        import java.util.regex.Matcher; import java.util.regex.Pattern; import org.apache.commons.httpclient.HttpClient; import org.apache.commons.httpclient.HttpSta...

java home 261

java的正则匹配网站(Spider)

import java.io.IOException; import java.util.regex.*; public class Testspider {     public static void main(String args[]) throws IOException{         String regex = "src=\"(/\\w{1,6}_\\w{1,5}/\\w{1...

dimple 163

获取字符串中指定字符串出现的所有位置

String path = "localhost:8080"; String details = "&lt;p&gt;&lt;img src="/upload/5a52da4dN0a6d04b9.jpg!q701.jpg""&gt;&lt;/p&gt;" StringBuilder sb = new StringBuilde

weixin_41690497的博客 8965

解析出一个网页中所有的图片

通过正则表达式来匹配出整个网页中的所有图片URL的过程

BURNMITE的博客 3935

Java爬虫-爬取页面源码并下载页面的指定格式文件

一、客户需求 获取页面音频资料和字幕文件,格式分别为MP3和lrc. 页面地址为: https://www.51voa.com/VOA_Special_English/researchers-call-for-a-use-tax-to-clean-up-space-84650.html 二、分析页面源码 页面的部分源码如下: 分析结果: href=”xxx.mp3”和href=”xxx.lrc”这两个是我们可以用到的数据,是对应格式文件的下载...

小花生编程 1550
上一篇: 如何添加自定义属性到你的view中
下一篇: 使用LevelListDrawable实现Html.fromHtml多张图片显示
fancylovejava
码龄16年 1052粉丝 184原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值