由于目前的架构是设计用正则表达式来解析网页,所以对正则表达式用得比较多。
需要解析的文本:
[quote]
138
<span><a href="/Pages/buy/orderdetails.aspx?pid=279"><img src="/app_themes/ftuan/images/buy.gif" alt="购买" /></a></span>
</div>
[/quote]
我写的表达式:
quote([\s\S)]*?)(?=\s*?)[/quote]
我用regDog(一个验证工具,不过是.net做的)验证时能正确得到138的。但是在java里会报错,在
[code="java"]
Pattern p=Pattern.compile(regex,Pattern.CASE_INSENSITIVE|Pattern.MULTILINE|Pattern.COMMENTS);
[/code]
这一步就报错了,也就是说在编译这个正则表达式的时候就已经出错,而不是解析的过程中出的错,说明我的写的表达式没有达到java的规范,但查看JDK,关于?<=零宽断言的描述没什么收获。
我看了入门30分钟的教程了,应该说不下于10遍了。[url]http://deerchao.net/tutorials/regex/regex.htm#greedyandlazy[/url]
现在的问题是,不知道哪里错了,值得一提的是,验证工具是能通过的,而且我验证一些比较简单的标签也是能通过的比如[code="java"]138[/code]这种标签不存在换行也不存在嵌套标签,那么我用quote([\s\S]*?)(?=)[/quote]是能提取出138的,但对于复杂点的标签我编写的表达式就通不过了。如果有在这方面比较熟悉的朋友还望指点迷津。我的JDK是1.6_21最新版本。