正則表達式匹配字符串之前或之後，並且每個集合只返回一個匹配

我試圖從HTML代碼中獲取某些ID。我有一些工作，但我需要幫助的其他事情。下面是視頻部分的HTML代碼示例：正則表達式匹配字符串之前或之後，並且每個集合只返回一個匹配

<video id="movie1" class="show_movie-camera animation_target movieBorder hasAudio movieId_750" src="/path/to/movie" style="position: absolute; z-index: 505; top: 44.5px; left: 484px; display: none;" preload="true" autoplay="true"></video> 
<video id="movie2" class="clickInfo movieId_587" src="/path/to/movie" preload="true" autoplay="true"></video> 
<video id="movie300" src="/path/to/movie" preload="true" autoplay="true"></video>

爲了得到影片的ID，我找movieId_ [ID]或電影[ID]使用此正則表達式：

.*?<object|<video.*?movie(\\d+)|movieId_(\\d+)[^>]*>?.*?

這種運作良好，但它將movieId_ [ID]和電影[ID]放在匹配中，而不僅僅是一個。我正在尋找的是使用movieId_ [ID]並使用電影[ID]作爲後備。這是我用：

Pattern p = Pattern.compile(regex); 
Matcher m = p.matcher(content); 
int fileId = -1; 
while(m.find()) { 
    fileId = -1; 
    if (m.group(2) != null) { 
     fileId = new Integer(m.group(2)); 
    } else if (m.group(1) != null) { 
     fileId = new Integer(m.group(1)); 
    } 
}

這會給我1，750，2，587，300，而不是750，578，300，我期待的。

此外，我正在尋找具有hasAudio類的比賽。這是我試圖沒有成功：

.*?<object|<video.*?hasAudio.*movieId_(\\d+)|movieId_(\\d+).*hasAudio[^>]*>?.*?";

任何幫助，將不勝感激。謝謝！

來源

2017-10-04 fanfavorite

是的，對不起，已被更正。 – fanfavorite

[你不應該使用正則表達式來解析HTML]（https://stackoverflow.com/a/1732454/6073886） –

更好地使用類似jsoup的東西？ HTML是數據庫表中的內容，被拉取並處理。 – fanfavorite

對於第一個問題檢查以下...

.*?<object|<video[^>]*((?<=movieId_)\d+|(?<=movie)\d+)

要使其工作Java代碼將正則表達式here的

Pattern p = Pattern.compile(regex); 
Matcher m = p.matcher(content); 
int fileId = -1; 
while(m.find()) { 
    fileId = -1; 
    if (m.group(1) != null) { 
     fileId = new Integer(m.group(1)); 
    } 
}

演示。

更新第二條件

.*?<object|<video[^>]*hasAudio[^>]*((?<=movieId_)\d+|(?<=movie)\d+)

正則表達式的演示here

說明

.*?<object     //Already existing regex 
|       //OR capture the movie ID as below 
<video[^>]*hasAudio[^>]* //Part of full match include all characters except '>' 
          //This makes sure matches do not go beyond the tag 
          //Also makes sure that hasAudio is part of this string 
(       //START: Our Group1 capture as Movie ID 
(?<=movieId_)\d+   //First try getting id out of moviedId_xxx 
|       //OR if first fails 
(?<=movie)\d+    //Second try getting id out of moviexxx 
)       //END: Our Group1 capture as Movie ID

注意：.*?<object將永遠只匹配<object !!!

UPDATE 2

<object|<video[^>]*\K(?:hasAudio[^>]*\K(?:(?<=movieId_)\d+|(?<=movie)\d+)|(?:(?<=movieId_)\d+|(?<=movie)\d+)(?=[^>]*hasAudio))

在這裏，我介紹了條件後hasAudio如果有的話。請注意，在此正則表達式中，完整匹配是movieID，不會有組。

我們這裏使用的主要功能是\ K標誌，它將匹配位置重置爲當前。通過放棄所有以前抓住的比賽中的所有字符。這有助於我們解決可變長度後視。

演示here

來源

2017-10-04 18:48:48 kaza

我正在使用jsoup來解析HTML，但這是一個很好的正則表達式解決方案並且回答了這個問題。謝謝！ – fanfavorite

正則表達式匹配字符串之前或之後，並且每個集合只返回一個匹配

回答

相關問題