Извлечение значения из атрибута HTML тегов в Java

Question

Я недавно взял на общинной вызов, и я пытаюсь извлечь значение тега «отн» в следующей строке:

<td><a title='Visit Personal Stats Page for ijackk' href='personal.php?name=ijackk&amp;clan=ph_chat_ftw' class='rsn' rel='ijackk' style='color: #FFFFFF;'>ijackk</a></td>

причина для этого - вызов, требующий от меня удалить имена нескольких пользователей из списка участников (список людей с атрибутами, относящимися к их учетной записи). У меня нет У меня есть, чтобы использовать регулярные выражения, но я чувствую, что это было бы лучше. Я видел классический пост, почему регулярные выражения плохи, но я также видел сообщения о том, что использование его для подобных вещей не так уж плохо.

Ниже то, что я делал до сих пор:

public class Parser { 

public static void main(String[] arguments) { 
    new Parser().parse(); 
} 

public void parse() { 
    try { 
     URL url = new URL("http://www.runehead.com/clans/ml.php?clan=ph_chat_ftw"); 
     BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(url.openStream())); 
     String line; 
     StringBuilder stringBuilder = new StringBuilder(); 
     while ((line = bufferedReader.readLine()) != null) { 
      if (line.contains("Visit")) { 
       stringBuilder.append(line).append("\n"); 
       System.out.println(line); 
      } 
     } 
     Matcher matcher = Pattern.compile("\\?rel='([A-Za-z0-9_]*)'").matcher(stringBuilder.toString()); 
     while (matcher.find()) { 
      System.out.println("matched: " + matcher.group(1)); 
     } 
    } catch (MalformedURLException e) { 
     e.printStackTrace(); 
    } catch (IOException e) { 
     e.printStackTrace(); 
    } 
} 

} 

Вывод о том, что у меня там то, что я представил выше, для каждого имени, за исключением. Соединитель ничего не находит. Могу я помочь?

Answer 1

Вы считаете, что атрибут rel сразу следует за ?, но это не обязательно так. Вы можете использовать следующее:

Pattern.compile("rel=\"([A-Za-z0-9_]*)\"") 

Это, конечно, работает, но, как уже говорили другие, вы лучше использовать правильный HTML-парсер. Вот jsoup пример:

Document doc = Jsoup.connect(
    "http://www.runehead.com/clans/ml.php?clan=ph_chat_ftw").get(); 
Elements users = doc.select("a[rel]"); 
for (Element user : users) { 
    System.out.println(user.attr("rel")); 
} 

Это намного чище (и безопаснее (и более гибкими (и ремонтопригодны))), чем ваш регулярных выражений подхода.

Answer 2

Используйте подходящую библиотеку разбора HTML. Я предпочитаю jSoup, но есть и многие другие.

Использование RegEx для анализа HTML гораздо больнее, чем в большинстве случаев. Не только это трудно сделать в первую очередь, но все, что вы придумали, что делает работы, вероятно, будет , поэтому свернуто, что он будет по существу полностью недостижим.

---

Here's an example с помощью jSoup, чтобы получить атрибут rel:

String html = "<p>An <a href='http://example.com/' rel='someValue'><b>example</b></a> link.</p>"; 
Document doc = Jsoup.parse(html); 
Element link = doc.select("a").first(); 

String text = doc.body().text(); // "An example link" 
String linkRel = link.attr("rel"); // "someValue" 

Answer 3

Regex и HTML, вместе взятых, бранные слова здесь. Регулярные выражения не очень хороши при анализе нестойкой разметки, такой как HTML или XML.

Для этого вам, вероятно, будет лучше использовать библиотеку парсера HTML. Кто-то, похоже, сделал это именно здесь, в метко названном HTML Parser library.

EDIT: - Или jSoup тоже может работать. Там много выбора!