再深入学习、了解正则表达式

现在正在做采集程序，打算用正则表达式做，求以下正则表达式
上几天发了一帖求一正则表达式，经各老师的代码以对正则表达式有一些了解，帖了地址：http://topic.csdn.net/u/20080823/14/11ad551a-e0ab-4e02-89d8-d87796504ff4.html
现想深入学习一下，谢谢大家的帮助，一定按时结帖
现求如下正则表达式：
系统标签 * 可以替代任意字符串。
系统标签 ! 可以替代除了<和>以外的任意字符串。
系统标签 ~ 可以替代除了<>'"以外的任意字符串。
系统标签 ^ 可以替代除了数字和<>之外字符串。
系统标签 $ 可以替代数字字符串。
采集规则中，需要获取的内容部分用四个以上系统标签代替，如 !!!!
现求如下正则表达式
采集标题规则：class="zsfontBT">!!!! ~<span class="zsfont12a"
采集作者规则：<td height="20px"> !</td>!</tr>!<tr>!<td class="zsfont12a">****<br />!<strong>作品关键字：</strong>
采集贴子地址规则：<td style='width:33%!><a href='$,$$$$.aspx' class='BookName' title=
采集内容规则：<div id="content" align="left">!<script src='~~~~'></script>

解决方案 »

免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货

晕死，我发二百分怎么变成二十了！！
还说一天后才能加分，为什么要控制一天后！！CSDN，你咋想的，晕死
那得先把“系统标签”换成 Java 认识的正则表达式。我不明白的是，比如：采集贴子地址规则：
<td style='width:33%!><a href='$,$$$$.aspx' class='BookName' title=这个要取什么呢？
采集内容规则： <div id="content" align="left">! <script src='~~~~'> </script>这里面没有 $$$$ 那取什么？
看了LZ的需求，如果要匹配的东西前后都固定，那么你需要的正则是很简单的，
比如匹配帖子地址正则String regex = " <td style='width:33%!> <a href='(.*?).aspx' class='BookName' title="
上面的未经测试，只是用捕获组（.*?) 匹配中间的内容ps：火龙果是绝对是正则的高手，向他学习
哎，郁闷重新描述一下，就问一个问题，我在做采集程序，我已采集到此页面的内容，我要得到内容中的作者我想根据作者前后的内容得到作者信息，收于作者前后的有些信息是动态的，就用一些系统标签来代替系统标签 ! 可以替代除了 <和>以外的任意字符串。
系统标签 * 可以替代任意字符串。
四个*号为要采集的内容采集作者规则： <td height="20px"> ! </td>! </tr>! <tr>! <td class="zsfont12a">**** <br />! <strong>作品关键字： </strong>假如我得到内容的内容如下：2001年创作个人唯一一本作品魔法骑士原创作品并在上砚出版,建立中国第一个跨网站交流平台性质的玄幻文学协会<br>　　2002年创办起点中文网<br>　　2003年推出VIP会员制度<br>基本原则<td height="20px"> b</td>a</tr>c<tr>d<td class="zsfont12a">药通天下网是什么<br />e<strong>作品关键字： </strong>2001年创作个人唯一一本作品魔法骑士原创作品并在上砚出版,建立中国第一个跨网站交流平台性质的玄幻文学协会<br>　　2002年创办起点中文网<br>　　2003年推出VIP会员制度<br>我现在想得到四个*号所代表的"药品天下网是什么"
如果****前后标签固定的话可以这样：
(?<=<td class="zsfont12a">).+?(?=<br />)
晕，csdn怎么自己加空格的？
去掉？号后面的空格和<=后面的空格还有?=后面的空格
我先问一下：1：系统标签只能是那样么？
2：
系统标签 ! 可以替代除了 <和>以外的任意字符串。
! 表示一个字符还是一串字符？系统标签 * 可以替代任意字符串。
四个*号为要采集的内容
如果一个 * 可以表示任意多个字符串的话，那为什么要用四个 * 表示采集的内容呢？3：采集规则是写在配置文件中的么？
如果是写在配置文件中的话，我认为不要采用什么系统标签，直接换成提取数据的正则表达式
以下假设系统标签能表示多个字符！系统标签 * 可以替代任意字符串。
用正则表达式 .+ 代替
系统标签 ! 可以替代除了 <和>以外的任意字符串。
用正则表达式 [^<>]+ 代替
系统标签 ~ 可以替代除了 <>'"以外的任意字符串。
用正则表达式 [^'"<>]+ 代替
系统标签 ^ 可以替代除了数字和 <>之外字符串。
用正则表达式 [^0-9<>]+ 代替
系统标签 $ 可以替代数字字符串。
用正则表达式 \d+ 代替由于 CSDN 替换的关系 < 前面的空格得去掉（那个空格是 CSDN 自说自话加上去的）
采集标题规则：class="zsfontBT">!!!! ~<span class="zsfont12a"
class="zsfontBT">([^<>]+) [^'"<>]<span class="zsfont12a"采集作者规则： <td height="20px"> !</td>!</tr>!<tr>!<td class="zsfont12a">****<br />!<strong>作品关键字：</strong>
<td height="20px"> [^<>]+</td>[^<>]+</tr>[^<>]+<tr>[^<>]+<td class="zsfont12a">(.+?)<br />[^<>]+<strong>作品关键字：</strong>采集贴子地址规则：<td style='width:33%!><a href='$,$$$$.aspx' class='BookName' title=
<td style='width:33%[^<>]><a href='\d,(\d+).aspx' class='BookName' title=采集内容规则： <div id="content" align="left">!<script src='~~~~'></script>
<div id="content" align="left">[^<>]+<script src='([^'"<>]+)'></script>
按照 23 楼的数据，测试代码：import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test01 {
    public static void main(String[] args) {
        String str = "2001年创作个人唯一一本作品魔法骑士原创作品并在上砚出版,建立中国第" +
                "一个跨网站交流平台性质的玄幻文学协会<br>　　2002年创办起点中文网<br>　　" +
                "2003年推出VIP会员制度 <br>基本原则<td height=\"20px\"> b</td>" +
                "a</tr>c<tr>d<td class=\"zsfont12a\">药通天下网是什么<br />e" +
                "<strong>作品关键字：</strong>2001年创作个人唯一一本作品魔法骑士原创作" +
                "品并在上砚出版,建立中国第一个跨网站交流平台性质的玄幻文学协会<br>　　" +
                "2002年创办起点中文网<br>　　2003年推出VIP会员制度<br>";
        String regex = "<td height=\"20px\"> [^<>]+</td>[^<>]+</tr>[^<>]+" +
                "<tr>[^<>]+<td class=\"zsfont12a\">(.+?)<br />[^<>]+<strong>" +
                "作品关键字：</strong";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);
        while(matcher.find()) {
            System.out.println(matcher.group(1));
        }
    }
}由于采集规则中只要取一组数据，使用 matcher.group(1) 就可以了。如果你要采取大量操作的话，可以把 Pattern 对象保存便于重用，可以大大节省表达式编译的时间。