Regex Problematik

[Gast]

Hi,

ich hab folgendes Problem ...

Angenommen ich habe eine HTML Seite auf der ich mittels eines Regulären Ausdrucks einen Anfang gesucht habe. Bis hierhin funktioniert auch alles soweit super!
Jetzt habe ich aber das Problem, dass mit dem regulären Ausdruck den ich geschrieben habe, nicht der erste letzte Tag gesucht wird, sondern der komplett letzte Tag des ganzen HTML ...


Hier ein Teil des HTML das ich verwende:

String html = "rests')\">Interests</a>:</td>" +
		"<td class=\"data\"><div id='Interests-data'class=\"datawrap\"><a href=\"http://www.test.com/s.php?adv&k=100000010&n=-1&in=w" +
				"atching%20tv&o=4\">watching tv</a>
<a href=\"http://www.test.com/s.php?adv&k=100000010&n=-1&in=living%20like%20in%20" +
				"the%20good%20old%2020th%20century&o=4\">living like in the good old 20th century</a>
<a href=\"http://www.test.com/s" +
				".php?adv&k=100000010&n=-1&in=playing%20the%20holophon&o=4\">playing the holophon</a></div></td></tr><tr id=\"Movies\"><td class=" +
				"\"label\"><a href=\"javascript:editProfileRow('Movies')\">Favorite Movies</a>:</td><td class=\"data\"><div id='Movies-data'class=\"" +
				"datawrap\"><a href=\"http://www.test.com/s.php?adv&k=100000010&n=-1&mv=Futurama&o=4\">Futurama</a>, <a href=\"http://www.test" +
				".com/s.php?adv&k=100000010&n=-1&mv=Simpsons&o=4\">Simpsons</a>, <a href=\"http://www.test.com/s.php?adv&k=100000010&n=-1&mv=30th" +
				"%20Century&o=4\">30th Century</a></div></td></tr><tr id=\"Qu

Hier ist mal der Regex den ich verwende:

String regex_interests = "(Interests)+?</a>:</td>(.*)[</a></div>]+?";

Also ich bekomme alles was ab Interests</a>:</td> anfängt. Allerdings hört es auch erst ganz zum Schluss auf.
Das heißt also ich bekomme alles ab

Interests: --> living like in the good old 20th century, playing the holophone
und zusätzlich auch noch bis
Favorite Movies: --> Futurama, Simpsons, 30th Century
bis zum </a></div>

Gibt es jetzt eine Möglichkeit, dass ich dem RegEx sagen kann, dass er das nächste </a></div> nach Interests verwenden soll und nicht das letzte am Ende des Dokuments ????

Fragen über Fragen .
Hoffe ihr habt verstanden was ich wollte und könnt mir weiterhelfen.
Schon mal Danke im Vorraus!

 

[SlaterB]

lies mal
Differences Among Greedy, Reluctant, and Possessive Quantifiers
http://java.sun.com/docs/books/tutorial/essential/regex/quant.html

das passt hier vielleicht

 

[Gast]

Hat sich zwar so ganz gut angehört, allerdings funktioniert es leider nicht. Ich denke ich weiß auch wieso.

Es liegt glaub ich an dem (.*) das ich vor dem [</a></div>]+? stehen habe. Allerdings weiß ich nicht, wie ich es sonst machen sollte, da ich nicht genau weiß, wieviel Text zwischen dem </td> ... und dem </a> .. genau steht. Das ist hier halt ganz variabel.

Ich hab jetzt mit folgenden RegEx probiert:

String regex_movies = 
"(Interests)+?</a>:</td>(.*)[</a></div>]{1}";

 

[Gast]

String regex_movies =
"(Interests)+?</a>:</td>([^<])*[</a></div>]{1}";



(.*) -> ([^<])*

 

[Gast]

Funktioniert leider auch nicht ... bin mit meinem Latein am Ende ...
Ich frag mal anders...

Wie würdet ihr einen regulären Ausdruck schreiben, bei dem man nur die Interessen und die dazugehörigen Eigenschaften bekommen würde. hier also:

Interests: --> living like in the good old 20th century, playing the holophone

Die Eigenschaften können Sich hierbei natürlich unterscheiden und sind alle auch weiterhin verlinkt. Die Links dazu brauch ich aber nicht. Beispiel ist der oben angegebenen Quelltextausschnitt. Oder habt ihr einen ganz anderen Vorschlag.

 

[SlaterB]

public class Test
{

    public static void main(String[] args)
        throws Exception
    {
        String html = ..;
        html = html.replaceAll("</a></div>", "#");
        String regex_interests = "Interests</a>:</td>([^#]*)#";

        Pattern p = Pattern.compile(regex_interests);
        Matcher m = p.matcher(html);
        m.find();
        System.out.println(m.group(1));

    }
}

 

[Gast]

bei meinem post (vorletzter) .. den stern in die klammer..

 

[SlaterB]

aber es sollen durchaus einige < übersprungen werden,
nur kein "</a></div>", alles bis zum ersten "</a></div>"

 

[Gast]

was ist denn nun rausgekommen?