Regeuläre Ausdrücke

[beginner2k8]

Hallo,

ich habe ein Problem mit regulären Ausdrücken. Und zwar habe ich ein Java Programm was eine html-Seite ausliest und zwar mithilfe von regulären Ausdrücken. Nun hat sich aber der Code der html-Seite geändert und die regulären Ausdrücke müssen ein wenig angepasst werden, was mir aber nicht gelingt.

Der reguläre Ausdruck sieht folgendermaßen aus:

Pattern pTD1 = Pattern.compile("<td[^>]*><a[^>]*>([^<]*)</a></td>", Pattern.CASE_INSENSITIVE);

und hat auf folgenden html-Code angewendet, funktioniert:


<tr><td>1&</td><td>bla</td><td>blub</td><td>bla</td></tr>

aber auf diesen nicht mehr :

<tr><td style="text-align: right; font-family: monospace;">1&</td><td>bla</td><td>blub</td><td>bla</td></tr>

Hoffe jemand kann mir weiterhelfen und im Voraus schonmal danke.

 

[SlaterB]

> und hat auf folgenden html-Code angewendet, funktioniert:

kannst du das näher begründen?

public class Test
{
    public static void main(String[] args)
        throws Exception
    {
        Pattern pTD1 = Pattern.compile("<td[^>]*><a[^>]*>([^<]*)</a></td>", 
                                        Pattern.CASE_INSENSITIVE);
        String st = "<tr><td><a href=\"1.html\">1</a>&</td>"+
                    "<td>bla</td><td>blub</td><td>bla</td></tr>";
        Matcher m = pTD1.matcher(st);
        System.out.println(m.find());
    }
}

liefer bei mir false,

im Pattern ist ja auch deutlich "</a></td>" zu sehen, was so im String nicht auftaucht

 

[beginner2k8]

Hast natürlich recht. Der gepostete String stimmt dann nicht mit dem alten überein. Habe die alte Version der page aber leider momentan nicht zur Hand.

 

[SlaterB]

du musst schon erkären, was das Pattern genau machen soll,

nochmal zurück zum "</a></td>":
soll das auf den Teilstring "</a>&</td>" matchen oder auf "</a>&</td><td>bla</td><td>blub</td><td>bla</td>"?

was spricht gegen ein einfaches Pattern a la
<a[^>]*>([^<]*)</a>
?
welche Aufgabe hat das Pattern genau?

 

[Leroy42]

An HTML-Seiten mit regulären Ausdrücken herangehen zu wollen,
halte ich sowieso für ziemlich aussichtslos.

Ein Parser ist da sicher viel angebrachter.

 

[foobar]

An HTML-Seiten mit regulären Ausdrücken herangehen zu wollen,
halte ich sowieso für ziemlich aussichtslos.

Ein Parser ist da sicher viel angebrachter.

z.b. sowas hier http://sourceforge.net/projects/nekohtml

 

[Guest]

@ Slater8:

Der korrekte Ausdruck war:

<tr><td>1</td><td>bla</td><td>blub</td><td>bla</td></tr><tr><td>

und neu halt:

<tr><td style="text-align: right; font-family: monospace;">1&</td> ....

 

[SlaterB]

der Unterschied ist doch nur das &, kannst du doch auch in das Pattern einfügen,
oder gar keine Ahnung von nichts?

 

[Guest]

Doch habe ich grade gemacht. Funktioniert auch.