实战使用正则取特定标签多个属性值分步讲解

 

开发项目时客户要求新功能,受同事请求,帮他写个正则来取htm中特定标签中的多个属性值.

要求:

给定的html代码中要找出以下格式的代码,并取出各个属性值以供同事去处理

<p>[video width="320" height="240" url="http://www.youtube.com/embed/26EE3jG5thM"]</p>

思路:

从给定的代码来看,有固定的前缀和后缀,可以使用捕获型括号来取各个属性值.要注意属性的位置和特殊字符等

分析:

1.以<p>[video 开头,以]</p>结尾

2.各属性中间空格不确定

3.各属性的值可能是以单或双引号包含

4.url地址没有什么特殊字符

实现:

1.要匹配头　正则　<p>[video

2.要匹配 width="320"　正则  width=['"]\d+['"]

3.要匹配 height="240" 正则　height=['"](\d+)['"]

4.要匹配 url="http://www.youtube.com/embed/26EE3jG5thM" 正则　url=['"][:/\w]+)['"]

5.要匹配尾　正则　]</p>

组装起来:　　<p>[video　width=['"]\d+['"]　height=['"]\d+['"]　url=['"][:/\w]+['"]]</p>

6.要匹配空格使用\s+  <p>[video\s+width=['"]\d+['"]\s+height=['"]\d+['"]\s+url=['"][:/\w]+['"]]</p>

7.要取出各属性值,使用捕获括号　<p>[video\s+width=['"](\d+)['"]\s+height=['"](\d+)['"]\s+url=['"]([:/\w]+)['"]]</p>

经测试,匹配不成功,仔细检查,发现对头和尾的特殊元素[]少了转义

改正　<p>\[video\s+width=['"](\d+)['"]\s+height=['"](\d+)['"]\s+url=['"]([:/\w]+)['"]\]</p>

8.要考虑属性的位置不确认性,使用或条件,但要注意使用或条件时不能破坏了捕获括号的值,再要用到括号都使用非捕获型

且仔细分析,三个属性都是　\s+属性 这种形式重复的,则可优化成　(\s+(属性1|属性2|属性3))+　的形式

<p>\[video(?:\s+(?:width=['"](\d+)['"]|height=['"](\d+)['"]|url=['"]([:/\w]+)['"]))+\]</p>

将此正则交与同事,不久后回复,有一地址不能匹配,一看是url中多了问号字符.问他url地址是否为特定的,他也不能确认,于是,为了最大范围匹配,再改url的值匹配

最终正则为

<p>\[video(?:\s+(?:width=['"](\d+)['"]|height=['"](\d+)['"]|url=['"]([^'"]+)['"]))+\]</p>

java中的正则用法

Matcher m = Pattern.compile(reg, Pattern.CASE_INSENSITIVE).matcher(url);

        while (m.find()) {

          

            System.out.println("width="+m.group(1));// may be null

            System.out.println("height="+m.group(2));// may be null

            System.out.println("url="+m.group(3));// may be null

        }

其实该正则还是有优化的地方.仔细分析了其url来源,可以确定[video 是唯一的,则前后的<p>元素可以去除.

其元素是由软件生成,则位置,引号,空格都是统一的,则去除或条件,去除空格数量去除多条括号等