(Java) RegEx для получения URL-адресов из CSS?

Question

Я разбираю CSS, чтобы получить URL-адреса из связанных таблиц стилей. Это приложение Java. (Я попытался с помощью CSSParser (http://cssparser.sourceforge.net/), однако, она молча сбросив многие из правил, когда он разбирает.)

Так что я просто с помощью Regex. Я хотел бы регулярное выражение, которое получает меня только URL-адреса, и является достаточно прочным, чтобы иметь дело с реальным CSS в дикой природе:

background-image: url('test/test.gif'); 
background: url("test2/test2.gif"); 
background-image: url(test3/test3.gif); 
background: url (test4/ test4.gif); 
background: url(" test5/test5.gif" ); 

Вы получаете идею. Это в реализации регулярного выражения Java (не мой любимый).

Answer 1

Проблема с регулярными выражениями заключается в том, что они иногда слишком строги, чем вам нужно. Если вы покажете нам свое настоящее не-отлично работающее регулярное выражение, я был бы в состоянии помочь вам больше.

Первый комментарий: браузеры склонны переносить большинство ошибок HTML/CSS (НЕ JavaScript, который является языком программирования, а не языком разметки).

Вы можете начать с токена background(-image)?, чтобы заблокировать первую часть. Как действовать? Очень сложно ...

У вас всегда есть двоеточие, поэтому вы можете добавить к постоянной части токена, а затем, судя по вашему примеру (не из спецификаций CSS), переменное количество пробелов, за которыми следует токен url. A переменное число пробелов [\w]*, и это становится частью нашего регулярного выражения.

Я попытался это с RegexBuddy

background(-image)?: url[\s]*\([\s]*(?<url>[^\)]*)\); 

К сожалению, он захватывает пробельные внутри URL-

Matched text: background-image: url('test/test.gif'); 
Match offset: 0 
Match length: 39 
Backreference 1: -image 
Backreference 1 offset: 10 
Backreference 1 length: 6 
Backreference 2: 'test/test.gif' 
Backreference 2 offset: 22 
Backreference 2 length: 15 

Matched text: background: url (test4/ test4.gif); 
Match offset: 119 
Match length: 39 
Backreference 1: 
Backreference 1 offset: -1 
Backreference 1 length: 0 
Backreference 2: test4/ test4.gif 
Backreference 2 offset: 138 
Backreference 2 length: 18 

Итак, когда вы получите URL с этим необходимо обрезать строку. Я не мог исключить пробелы из группы url, как из примера 4, однако должен соответствовать URL-адресу с пробелом в нем, и это не должно быть правильно, это примеры, как только у вас нет %20test4.gif файл

[Редактировать] Я предпочитаю следующую версию регулярных выражений

background(-image)?: url[\s]*\([\s]*(?<url>[^\)]*)[\s]*\)[\s]*; 

Он терпит больше пробельные

Answer 2

Regex-е действительно трудно поддерживать. Я предлагаю вам взглянуть на САК:

http://www.w3.org/Style/CSS/SAC/Overview.en.html

Answer 3

Вы можете использовать ТОЛЬКО regexs? Ваша жизнь может быть намного проще, если вы использовали функции строки для удаления всех пробелов, тогда вы можете написать регулярное выражение, которое не должно беспокоиться об этом.

Вот быстрый один, не может работать очень хорошо:

background(-image)?:url\(["']?(.*)["']?\);

Второй захват группа должна дать вам то, что вы хотите.

Следует, вероятно, заменить .* на класс символов, содержащий все символы, которые может содержать допустимый путь.