Problem bei RegEx

[F4llen4ngel]

Hallo,

versuche gerade aus einer Datei mit massenweise HTML Code bestimmte Strings per RegEx auszulesen.

Auslesen möchte ich prinzipiell dieses hier:

XXX<a XXX href="SEITE DIE ICH LESEN WILL" XXX class="blue" XXX>XXX</a>XXX

XXX steht für irgend einen Text.

Dachte ich könnte das ganze einfach mit diesem einfachen RegEx auslesen:

<a.*href=\"(.*)\".*class=\"blue\".*>.*</a>

Das klappt aber nicht, weil ich den kompletten String markiert bekomme wo das erste <a auftaucht und das letzte </a> endet. Kann mir jmd. helfen wie ich das ganze korrekt hinbekomme?

Dank schon mal im Voraus!

 

[SlaterB]

Testprogramm ist out? ..

public class Test
{
    public static void main(String[] args)
        throws Exception
    {
        String st = "XXX<a XXX href=\"SEITE DIE ICH LESEN WILL\" XXX class=\"blue\" XXX>XXX</a>XXX";
        String pattern = "<a.*href=\"(.*)\".*class=\"blue\".*>.*</a>";
        Pattern p = Pattern.compile(pattern);
        Matcher m = p.matcher(st);
        m.find();
        System.out.println(m.group(1));
    }
}

funktioniert..

 

[Ark]

Probier mal den hier:

<a.*?href=\"(.*?)\".*?class=\"blue\".*?>.*?</a>

Ich habe dazu aber auch nicht unbedingt lange nachgedacht, sprich: Fehler nicht ausgeschlossen.

Ark

EDIT@SlaterB: Ich denke, es geht darum, dass .* mehr matcht, als dem Threadstarter lieb ist. Das Problem zeigt sich wohl, sobald mehrere Links hintereinander auftauchen.

Ark

 

[F4llen4ngel]

Hey Ark,

funktioniert "fast" - dafür schon mal Danke
Hab nun beim durchgehen der Ergebnisse festgestellt, dass es ab und an vorkommt, das er einen Link mit aufnimmt der nicht in den RegEx Passt, der aber beim ersten .*? mit genommen wird. Kann man an der stelle sagen: "Ok, nimm alle Zeichen die da kommen - aber wenn da nochmal <a href drinne ist dann ignorier den!" ?

 

[F4llen4ngel]

Ahh perfekt - mit deinem Code und noch etwas recherche gefunden:

<a href=\"(((?!<a href).)*?)\" class=\"blue\".*?\">.*?</a>

funktonierts! danke

 

[SlaterB]

Das Problem zeigt sich wohl, sobald mehrere Links hintereinander auftauchen.

ein Grund mehr für ein Testprogramm