java 正则表达式错误

Question

这是解析HTML中图片路径的正则表达式。
//<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>
String rgrEpn="<img\\b[^<>]*?\\bsrc[\\s\\t\\r\\n]*=[\\s\\t\\r\\n]*[\"\"']?[\\s\\t\\r\\n]*(?<imgUrl>[^\\s\\t\\r\\n\"\"'<>]*)[^<>]*?/?[\\s\\t\\r\\n]*>";
Pattern pattern=Pattern.compile(rgrEpn);
Matcher matcher=pattern.matcher(content);
while(matcher.find()){
String ime=matcher.group();
System.out.println(ime);
}
<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>
                                                                                    ^

Answer 1

src\\s*=\\s*(\"[^\"]*\"|'[^']*'|[^\\s>]+)

Answer 2

你既然只是捕获img标签，而不是校验，不用这样麻烦啊。<img[^<>]+ \?\s*>把他当成xml解析，利用path也许更准确。

Answer 3

大家帮我看看吧，是不是正则表达式放在java里要用其它的转义符号代替？主要功能是可以提取下面这些HTML代码中的图片。能帮我看看我上面的代码哪里出的错误吗？<div class=\"m_l_list_hot\"><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200909/152449.htm\" title=\"C#数组基础介绍与操作详解\"><img src=\"http://images.51cto.com/files/uploadimg/20090917/150811926.jpg\" alt=\"C#数组基础介绍与操作详解\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200704/46251.htm\" title=\"C#实用基础教程\"><img src=\"http://images.51cto.com/files/uploadimg/20070420/184031793.gif\" alt=\"C#实用基础教程\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200509/4390.htm\" title=\"C#技术开发指南\"><img src=\"http://images.51cto.com/files/uploadimg/20070901/205733160.gif\" alt=\"C#技术开发指南\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://book.51cto.com/art/201003/187320.htm\" title=\"SQL Server 2008编程入门经典\"><img src=\"http://images.51cto.com/files/uploadimg/20100308/115049178.gif\" alt=\"SQL Server 2008编程入门经典\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://book.51cto.com/art/201003/187121.htm\" title=\"Web编程入门经典--HTML、XHTML和CSS(第2版)\"><img src=\"http://images.51cto.com/files/uploadimg/20100307/113131795.gif\" alt=\"Web编程入门经典--HTML、XHTML和CSS(第2版)\" width=\"100\" height=\"80\" border=\"0\" /></a></div></div>

Answer 4

<img\s*src=\\"([^<> ]+)" 试试这个正则表达式匹配结果
 <img src=\"http://images.51cto.com/files/uploadimg/20090917/150811926.jpg\"
<img src=\"http://images.51cto.com/files/uploadimg/20070420/184031793.gif\"
<img src=\"http://images.51cto.com/files/uploadimg/20070901/205733160.gif\"
<img src=\"http://images.51cto.com/files/uploadimg/20100308/115049178.gif\"
<img src=\"http://images.51cto.com/files/uploadimg/20100307/113131795.gif\"

Answer 5

嗯，不是不可以。单引号、没有单双引号都就应该可以匹配。img 与 src之间有可能出现空格、Tab、回车等。总之，我之前那个表达式已经写的很全了。我想在那个表达式基础上解析，大家还是帮帮指出一下我那个表达式在Java中解析时出的问题吧。

Answer 6

java.util.regex.PatternSyntaxException: Look-behind group does not have an obvious maximum length near index 84总报这个异常，网上搜索，也没人能指出这个结果的原因。

Answer 7

String content = "<div class=\"m_l_list_hot\"><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200909/152449.htm\" title=\"C#数组基础介绍与操作详解\"><img src=\"http://images.51cto.com/files/uploadimg/20090917/150811926.jpg\" alt=\"C#数组基础介绍与操作详解\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200704/46251.htm\" title=\"C#实用基础教程\"><img src=\"http://images.51cto.com/files/uploadimg/20070420/184031793.gif\" alt=\"C#实用基础教程\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://developer.51cto.com/art/200509/4390.htm\" title=\"C#技术开发指南\"><img src=\"http://images.51cto.com/files/uploadimg/20070901/205733160.gif\" alt=\"C#技术开发指南\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://book.51cto.com/art/201003/187320.htm\" title=\"SQL Server 2008编程入门经典\"><img src=\"http://images.51cto.com/files/uploadimg/20100308/115049178.gif\" alt=\"SQL Server 2008编程入门经典\" width=\"100\" height=\"80\" border=\"0\" /></a></div><div class=\"m_l_list_hot1\"><a href=\"http://book.51cto.com/art/201003/187121.htm\" title=\"Web编程入门经典--HTML、XHTML和CSS(第2版)\"><img src=\"http://images.51cto.com/files/uploadimg/20100307/113131795.gif\" alt=\"Web编程入门经典--HTML、XHTML和CSS(第2版)\" width=\"100\" height=\"80\" border=\"0\" /></a></div></div>";
String rgrEpn="<img[^<>]+(src\\s*=[^<>]+)(?<=gif\"|jpg\")[^<>]+ /?\\s*>";
Pattern pattern=Pattern.compile(rgrEpn);
Matcher matcher=pattern.matcher(content);
while(matcher.find()){
String ime=matcher.group();
System.out.println(ime);
System.out.println(matcher.group(1));试了下 这样应该可以。如果有其他格式的图片，继续加在上面。

Answer 8

String rgrEpn="<img[^<>]+src\\s*=([^<>\\s]+)[^<>]+ /?\\s*>";改良下 这样更好。但是图片路径中就不能出现空白字符了，看你自己取舍了

Answer 9

可不可以不改变我的表达式，那个表达式放在C#里没有问题，在java中怎么会有问题呢？