java正则匹配HTML中a标签里的中文字符示例

这篇文章主要介绍了java正则匹配HTML中a标签里的中文字符,涉及java中文正则及HTML元素操作技巧,具有一定参考借鉴价值,需要的朋友可以参考下

本文实例讲述了java正则匹配HTML中a标签里的中文字符。分享给大家供大家参考，具体如下：

今天群里一位朋友问到了一个正则表达式的问题，有如下内容：

特432 453543 a1特123你好123吗？特2标签中的文字

现在要匹配出内容包含中文但标签的属性中不包含comment的标签中的汉字。

解决思路如下：

1、首先匹配出不包括comment的标签；

2、在匹配结果中进行二次匹配出中文；

代码如下：

package com.mmq.regex; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * @use 匹配HTML的标签中的中文字符 * @ProjectName stuff * @Author mumaoqiang * @FullName com.mmq.regex.MatchChineseCharacters.java * @JDK 1.6.0 * @Version 1.0 */ public class MatchChineseCharacters { /** * 根据输入的内容，匹配出包含中文但不包含comment的标签中的中文字符 * @param source 要匹配的内容 * @return 标签中的中文字符 */ public static String matchChineseCharacters(String source) { //匹配出包含中文但不包含comment的标签 String reg = "([^]*?[\u4e00-\u9fa5]+[^]*?)+(?=)"; Pattern pattern = Pattern.compile(reg); Matcher matcher = pattern.matcher(source); StringBuilder character = new StringBuilder(); while(matcher.find()){ String result = matcher.group(); System.out.println(result); //对结果进行二次正则，匹配出中文字符 String reg1 = "[\u4e00-\u9fa5]+"; Pattern p1 = Pattern.compile(reg1); Matcher m1 = p1.matcher(result); while(m1.find()){ character.append(m1.group()); } //System.out.println(character.toString()); } return character.toString(); } public static void main(String[] args) { String result = matchChineseCharacters("特432453543a1特123你好123吗？特2标签中的文字"); System.out.println(result); } }

输出结果如下：

a1特123你好123吗？ 标签中的文字 特你好吗标签中的文字

这里做一下解释：

String reg = "([^]*?[\u4e00-\u9fa5]+[^]*?)+(?=)";

这个匹配内容包含中文但标签的属性中不包含comment的标签的正则中，不能使用向后查找?标签中属性不确定，所以不能使用；[\u4e00-\u9fa5]+匹配中文字符串；而(?=)使用向前查找?=，在结果中不会包含结束标签。

这个问题就这样得到解决了。如果说要匹配指定标签中的指定内容，那么也是很容易改进的了。若有更好的正则，还请留言相互学习。

PS：这里再为大家提供2款非常方便的正则表达式工具供大家参考使用：

JavaScript正则表达式在线测试工具：

http://tools.html.cn/regex/javascript

正则表达式在线生成工具：

http://tools.html.cn/regex/create_reg

希望本文所述对大家java程序设计有所帮助。