正则表达式抓取网页中某个人发表的内容

Question

<TABLE><TR><TD>作者：张三　回复日期：2010-10-01　14:06:19</TD></TR></table>
<div>张三发表的内容一</div><TABLE><TR><TD>作者：李四　回复日期：2010-10-02　13:06:29</TD></TR></table>
<div>李四发表的内容.<br></div><TABLE><TR><TD>作者：张三　回复日期：2010-10-03　15:06:39</TD></TR></table>
<div>张三发表的内容二</div><TABLE><TR><TD>作者：张三　回复日期：2010-10-04　16:06:49</TD></TR></table>
<div>张三发表的内容三</div><TABLE><TR><TD>作者：王五　回复日期：2010-10-05　17:06:11</TD></TR></table>
<div>王五发表的内容</div>上面的内容中，我只想获取到张三发表的内容，即结果为：张三发表的内容一 回复日期：2010-10-01　14:06:19
张三发表的内容二 回复日期：2010- 10-03　15:06:39
张三发表的内容三 回复日期：2010-10-04　16:06:49请问正则表达式该怎么写，或者有什么好的解决思路提供下，谢谢了！！

Answer 1

因為你的排版格式"張三發表內容一"在日期之後，所以不可能一個正則表示式就轉成你要的輸出格式。而如果你的格式是這麼固定的話，用取代就可以了。整個文件如果是逐行讀入的，那可以用連續兩個空白行做一次區隔，把讀到的兩行取代掉HTML標籤，
然後對調兩行再輸出。整個文件如果是一次讀入，則先用兩個換行做字串切割(split)，然後每個字串再用一個換行切割，
一樣取代掉HTML標籤在對調輸出。

Answer 2

public static void main(String[] args) {
String str = "<TABLE><TR><TD>作者：张三　回复日期：2010-10-01　14:06:19</TD></TR></table>\n";
str += "<div>张三发表的内容一</div>\n";
        str += "<TABLE><TR><TD>作者：李四　回复日期：2010-10-02　13:06:29</TD></TR></table>\n";
        str += "<div>李四发表的内容.<br></div>\n";
        str += "<TABLE><TR><TD>作者：张三　回复日期：2010-10-03　15:06:39</TD></TR></table>\n";
        str += "<div>张三发表的内容二</div>\n";
        str += "<TABLE><TR><TD>作者：张三　回复日期：2010-10-04　16:06:49</TD></TR></table>\n";
        str += "<div>张三发表的内容三</div>\n";
        str += "<TABLE><TR><TD>作者：王五　回复日期：2010-10-05　17:06:11</TD></TR></table>\n";
        str += "<div>王五发表的内容</div>\n";
        Matcher m = Pattern.compile("(回复日期：\\d{4}-\\d{2}-\\d{2}[　\\s*]\\d{2}:\\d{2}:\\d{2}).*?<div>(张三.*?)</div>",Pattern.DOTALL).matcher(str);
        while(m.find()){
         System.out.println(m.group(2)+" "+m.group(1));
        }
}

Answer 3

try... String pattern = "(?is)作者：张三\\s*((?:(?!</td>).)+)";
Matcher m = Pattern.compile(pattern).matcher(test);
while(m.find())
{
System.out.println(m.group(1));
}