使用正则表达式来获取HTML中的链接

引用 http://www.javaresearch.org/article/82778.htm

 

1. import java.io.BufferedReader;
2. import java.io.FileNotFoundException;
3. import java.io.FileReader;
4. import java.io.IOException;
5. import java.util.regex.Matcher;
6. import java.util.regex.Pattern;
7. public class LinkerFinder {
8.     public static void main(String [] args)
9.     {
10.         String regStr="<a\\s+href\\s*=\\s*"//<a href=
11.             +"(\"[^\"]*\"|[^\\s]*)\\s*" //URL部分
12.             +"(target=\\s*(\"[^\"]*\"|[^\\s]*))?>";//target部分
13.         StringBuffer sb=new StringBuffer();
14.         
15.         try {
16.             FileReader fr = new FileReader("111.htm");
17.             BufferedReader br=new BufferedReader(fr);
18.             String line;
19.             while((line=br.readLine())!=null)
20.             {
21.                 sb.append(line);
22.             }
23.             br.close();
24.             fr.close();
25.             Pattern ptn=Pattern.compile(regStr,Pattern.CASE_INSENSITIVE);
26.             Matcher matcher=ptn.matcher(sb);
27.             while(matcher.find())
28.             {
29.                 int start=matcher.start();
30.                 int end=matcher.end();
31.                 String url=sb.substring(start,end);
32.                 System.out.println(url);
33.             }
34.         } catch (FileNotFoundException e) {
35.             // TODO 自动生成 catch 块
36.             e.printStackTrace();
37.         } catch (IOException e) {
38.             // TODO 自动生成 catch 块
39.             e.printStackTrace();
40.         }
41.     }
42. }

以上只是个例子,希望能给大家带来些启发.