如何用Java正则表达式从HTML文本中提取特定网址？

正则表达式从复杂html中提取所需内容

想要从包含大量html标签的文本中提取特定的内容？java正则表达式可以轻松实现这一目标。

问题描述：如何从如下html文本中过滤提取"www.baidu.com"、"www.qq.com"和"www.aaa.cn"等内容？

++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++

答案：

string html = "www.baidu.comwww.qq.comwww.aaa.cnwww.eee.cn";
string reg = "www.*?(com|cn)";

matcher matcher = pattern.compile(reg, pattern.case_insensitive).matcher(html);
while (matcher.find()) {
    system.out.println(matcher.group());
}

输出结果：

www.baidu.com
www.qq.com
www.aaa.cn
www.eee.cn

正则表达式说明：

• "www"：匹配"www"字符串。
• " .*?"：匹配任意数量的非换行符字符，但尽可能少匹配。
• "(com|cn)"：匹配以".com"或".cn"结尾的字符串。
• "pattern.case_insensitive"：进行不区分大小写的匹配。