Java正则表达式如何从文本中提取特定URL？

Java正则表达式：高效提取文本中的特定URL

在Java开发中，从大量文本数据中提取符合特定模式的内容是常见需求。正则表达式为此提供了高效的解决方案。本文将通过示例演示如何使用Java正则表达式从HTML文本中提取特定URL。

问题： 从HTML文本中提取所有以"www."开头，并以".com"或".cn"结尾的URL。

示例及解析：

立即学习“Java免费学习笔记（深入）”；

由于提供的HTML文本片段<p>++++++++++++++++++++++++++++++++++++++++++++<br>++++++++++++++++++++++++++++++++++++++++++++</p> <div class="aritcle_card"> <a class="aritcle_card_img" href="/ai/2336"> <img src="https://img.php.cn/upload/ai_manual/001/246/273/175937519917802.png" alt="一键职达"> </a> <div class="aritcle_card_info"> <a href="/ai/2336">一键职达</a> <p>AI全自动批量代投简历软件，自动浏览招聘网站从海量职位中用AI匹配职位并完成投递的全自动操作，真正实现'一键职达'的便捷体验。</p> <div class=""> <img src="/static/images/card_xiazai.png" alt="一键职达"> <span>79</span> </div> </div> <a href="/ai/2336" class="aritcle_card_btn"> <span>查看详情</span> <img src="/static/images/cardxiayige-3.png" alt="一键职达"> </a> </div> 不包含目标URL，我们将使用一个更合适的示例：

String html = "<a>www.baidu.com</a><a>www.qq.com</a><a>www.aaa.cn</a>www.eee.cn";
String regEx = "www\.\w+\.(com|cn)"; //改进后的正则表达式

Pattern pattern = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(html);

while (matcher.find()) {
    System.out.println(matcher.group());
}

这段代码首先定义一个包含多个URL的字符串html。 regEx 是改进后的正则表达式：

• www\.：匹配"www."，\用于转义特殊字符.。
• \.\w+\.：匹配".任意字母数字字符+. "，\w+ 匹配一个或多个字母数字字符（更精确地匹配域名）。
• (com|cn)：匹配".com"或".cn"。

Pattern.compile() 编译正则表达式，Pattern.CASE_INSENSITIVE 忽略大小写。 matcher.find() 查找下一个匹配，matcher.group() 返回匹配的字符串。

运行结果：

<code>www.baidu.com
www.qq.com
www.aaa.cn
www.eee.cn</code>

该代码成功提取所有符合条件的URL。 通过修改正则表达式，可以灵活地匹配不同模式的文本，展现了Java正则表达式在文本处理中的强大功能。

改进说明: 原示例中的正则表达式www.*?(com|cn) 使用了非贪婪匹配*?，虽然也能工作，但在处理更复杂的URL时可能不够精确。改进后的正则表达式www\.\w+\.(com|cn) 更精确地匹配了以"www."开头的域名，避免了误匹配。

以上就是Java正则表达式如何从文本中提取特定URL？的详细内容，更多请关注php中文网其它相关文章！