java正则表达式获取指定HTML标签的指定属性值

有时可能会有这样的需求，从HTML页面获取指定标签的指定属性值，可以通过第三方库解析来获取，但是这样相对比较麻烦！

如果使用正则表达式，那么就变得简单了。代码如下：

[java] view plain copy

1. package com.mmq.regex;  
2.   
3. import java.util.ArrayList;  
4. import java.util.List;  
5. import java.util.regex.Matcher;  
6. import java.util.regex.Pattern;  
7.   
8. /** 
9.  * @use 获取指定HTML标签的指定属性的值 
10.  * @ProjectName stuff 
11.  * @Author <a href="mailto:[e-mail]">mikan</a></br> 
12.  * @Date 2012-11-19 下午08:27:24 </br> 
13.  * @FullName com.mmq.regex.MatchHtmlElementAttrValue.java </br> 
14.  * @JDK 1.6.0 </br> 
15.  * @Version 1.0 </br> 
16.  */  
17. public class MatchHtmlElementAttrValue {  
18.       
19.     /** 
20.      * 获取指定HTML标签的指定属性的值 
21.      * @param source 要匹配的源文本 
22.      * @param element 标签名称 
23.      * @param attr 标签的属性名称 
24.      * @return 属性值列表 
25.      */  
26.     public static List<String> match(String source, String element, String attr) {  
27.         List<String> result = new ArrayList<String>();  
28.         String reg = "<" + element + "[^<>]*?\\s" + attr + "=['\"]?(.*?)['\"]?\\s.*?>";  
29.         Matcher m = Pattern.compile(reg).matcher(source);  
30.         while (m.find()) {  
31.             String r = m.group(1);  
32.             result.add(r);  
33.         }  
34.         return result;  
35.     }  
36.       
37.     public static void main(String[] args) {  
38.         String source = "<a title=中国体育报 href=''>aaa</a><a title='北京日报' href=''>bbb</a>";  
39.         List<String> list = match(source, "a", "title");  
40.         System.out.println(list);  
41.     }  
42. }