Scanner - Zeile parsen

[Johnny00]

Hallo liebes Forum,

ich lese mittels meinem kleinen programm einen ganzen quellcode aus.
nun möchte ich gerne jede zeile einzeln parsen und alle img tags rausfischen.
die img tags haben die syntax <img src=“.... .gif“ height=“..“, width=“..“>.
Wie kann ich da gezielt die Datennamen rausfischen?

Wie kann ich denn mittels der Scanner Klasse das realisieren?
ich weiß ich kann über die scanner klasse einen delimiter definieren aber ich weiß nicht genau wie der aussehen soll..

Wäre cool wenn ihr mir auf die sprünge helfen könntet.


liebe grüße
johnny

 

[Ark]

Zum Beschreiben eines öffnenden HTML-Tags sollten reguläre Ausdrücke genügen. In deinem Fall etwa:

<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">

Die einzelnen Teile lassen sich dann mit group(int x) extrahieren, wobei x eben 1, 2 oder 3 ist, je nachdem. Mehr dazu in java.util.regex.Pattern.

Ark

 

[Johnny00]

Danke Ark für deine Antwort!

Ich hab das nun so gemacht:

            Scanner s = new Scanner(new BufferedReader(new FileReader(dateiname)));
            s.useDelimiter ("<img src=\"(.*?)\\.gif\" height=\"(.*?)\" width=\"(.*?)\">");
            
            while (s.hasNext()) {
               System.out.println(s.next());
            }

leider spuckt der mir die ganze quelltext datei komplett aus von oben bis unten.
hast du ne ahnung wodran das liegen könnte? ich möchte wie gesagt die img tags analysieren und daraus den dateinamen extrahieren.. wäre nett wenn du mir erneut helfen könntest

*Edit
Kann es sein dass ich die Scanner Klasse falsch verstanden habe?
Sie splittet den Text in Zeilen und dann muss ich in seperat die Zeilen mittels einen regulären ausdruck prüfen?

 

[Johnny00]

Ich habe das nun so:

            try{
            Scanner s = new Scanner(new File ("Quelltext.html"));
            s.useDelimiter (System.getProperty("line.separator")); 

            String pattern = "<img src=\"(.*?)\\.gif\" height=\"(.*?)\" width=\"(.*?)\">"; 
            String tokens[] = null;
            
            while (s.hasNext()) {
               tokens = pattern.split(s.next());
               for (int i = 0; i < tokens.length; i++)
                    System.out.println(tokens[i]);
            }
            
            s.close();
        } catch (Exception e) { System.out.println (e); }

Aber ich bekomme eine Sehr komische ausgabe:

<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">
<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">
<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">
<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">

<
i
m
g
 
s
r
c
=
"
(
.
*
?
)
\
.
g
i
f
"
.....
<img src="(.*?)\.gif" height="(.*?)" width="(.*?)">
java.util.regex.PatternSyntaxException: Unclosed character class near index 14
/* <![CDATA[ */

Wieso ? :/

*OKAY ich hab den Fehler gesehen:

 Pattern pattern = Pattern.compile ("<img src=\"(.*?)\\.gif\" height=\"(.*?)\" width=\"(.*?)\">");

muss dahin.


Ich bekomm leider als Ausgabe wieder die gleiche datei.. was ich nciht verstehen kann

 

[Ark]

Ungetestet, wie immer:

Pattern p=Pattern.compile("<img src=\"(.*?)\\.gif\" height=\"(.*?)\" width=\"(.*?)\">");
Matcher m=p.matcher(hierKompletteDateiAlsString);
while(m.find()){
    System.out.println(m.group(1)+"\t"+m.group(2)+"\t"+m.group(3));
}

Ark

 

[Johnny00]

super, danke dir vielmals!

 

[Johnny00]

Ich habe noch eine klitze kleine Frage. Ich benutze den Ausdruck:

Pattern pattern = Pattern.compile ("<img src=\"(.*?)\\.gif\" (.*?)>");

Wenn ich den Dateinamen extrahiere mit match.group(1) dann ohne die Dateiendung.
Wie kann ich den Ausdruck so umändern, dass automatisch die DateiEndung beigefügt wird?

Sonst muss ich angeben: match.group (1) + ".gif"...

 

[Localtime]

Hi,

schließe .gif in die erste Gruppe mit ein (runde Klammer versetzen):

Pattern p = Pattern.compile("<img src=\"(.*?\\.gif)\" (.*?)>");

alternativ kannst Du so auch alles aus dem src-Attribut separieren (egal ob .gif, .jpg ...):

Pattern p = Pattern.compile("<img src=\"(.*?)\" (.*?)>");

Gruß

Localhost

 

[Johnny00]

danke