Java正则表达式抽取网页script标签之间的内容

2017-07-14 11:04:09 723 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

tsang1990 墨衍会员 · AI 创作全网分发关注 + 加入社区

从FinFET到NanoSheet：一文看懂TSMC制程技术的架构革命与性能飞跃本文深入解析了TSMC从FinFET到NanoSheet的制程技术架构革命。FinFET通过三维立体结构解决了短沟道效应，而NanoSheet采用环绕栅极设计，实现了更强的静电控制与设计灵活性，结合EUV光刻技术，共同推动了芯片性能与能效的飞跃，为下一代AI与高性能计算奠定基石。阅读详情



String regex = "<[\\s]*?script type=\"text/tp[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>";

		String htmlURL = "http://mshupeidian.bjx.com.cn/mnews/20170711/836347.shtml";

		//		String html = "<script type=\"text/tp1\" id=\"tp1\"><p><strong>95、发电源设点功率按什么原则计算?</strong></p><p>答：电源设点功率是根据ACE的大小按不同原则计算。ACE按其大小分为死区、正常分配区、允许控制区及紧急支援区。对不同的区域有不同的分配策略。</p></script>"; 

		String html = HtmlUtils.getUserHtmlContent(htmlURL);//返回的网页源码

		Pattern pattern = Pattern.compile(regex);   

		Matcher matcher = pattern.matcher(html); 

		while(matcher.find()){

			System.out.println(matcher.group(0));

		}

如题，想利用正则表达式提取网页<script type="text/tp1" id="tp1"></script>间的内容，采用如上regex表达式时发现返回的结果:
<script type="text/tp1" id="tp1">
<p><strong>95、发电源设点功率按什么原则计算?</script>
<script type="text/tp2" id="tp2">
<p><strong>107、什么是能量管理系统(EMS）？其主要功能是什么?</script>
<script type="text/tp3" id="tp3">
<p><strong>122、电力系统电压调整的常用方法有几种？</script>
<script type="text/tp4" id="tp4">
<p><strong>137、电力变压器停、送电操作,应注意哪些事项？</script>

问题即遇到源码含半边 /> 就停止匹配了，不能抽取完整结果，但同样的方法将上述的匹配内容换为注释的内容时有能准确抽取，尝试直接在网页源码进行转义双引号（即

String html = HtmlUtils.getUserHtmlContent(htmlURL).replaceAll("\"","\"");

）但依然无法抽取！请问如何才能抽取完整结果，万谢！！

...全文

tsang1990

Java 51,407 成员 86,131 内容

+ 关注 + 加入社区

Java正则表达式抽取网页script标签之间的内容

相关推荐