Java 正则表达式匹配额外文本

我正在编写一个小程序，通过url查找电子邮件地址，但我的正则表达式似乎有问题。它多次打印出相同的内容，并匹配我不需要的文本

Cleaner cleaner = new Cleaner(Whitelist.basic());
String url = "http://www.fon.hum.uva.nl/paul/";
Document doc = cleaner.clean(Jsoup.connect(url).get());
Elements emails = doc.select(":matches(" + 
                "[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+\\.[a-zA-Z]{2,4}"
                +")");
for (Element e : emails) {
   System.out.println(e.text());
}

我不会在这里发布完整的结果，因为它太长了，但是它匹配了一封电子邮件，还有一堆不符合模式的重复文本

《阿姆斯特丹大学语音科学教授Paul Boersma》……< BR> “Paul Boersma语音科学教授，阿姆斯特丹大学”……< BR> “Paul Boersma语音科学教授，阿姆斯特丹大学”……

有人知道问题出在哪里吗？ 是正则表达式，还是与打印e.text（）有关

多谢各位

编辑：我还尝试了一个更复杂的表达式：

[\\w-]+(\\.[\\w-]+)*@[A-Za-z0-9-]+(\\.[A-Za-z0-9-]+)*(\\.[A-Za-z]{2,4})

但我也有同样的问题

编辑2：我在Notepad++中使用了这个正则表达式，它似乎工作得很好。我只在匹配网页中的文本时出现此问题

---

编辑3：我试着在regexplanet.com上运行它，有趣的是，它匹配正确。那么这是Jsoup的事吗？可能与元素有关？

问题来自css查询。由于内部没有特定的节点，Jsoup倾向于返回整个节点层次结构。您得到的是包含电子邮件及其所有祖先的节点，直到根节点（

）

我可以为您提供两种选择：

1.使用特定的css查询 演示：

2.立即提取包含电子邮件的节点

---

演示：

我使用

模式解决了这个问题，而不是使用
JSoup
进行模式匹配：

Pattern pattern = Pattern.compile("[\\w-]+(\\.[\\w-]+)*\\s?@\\s?[A-Za-z0-9-]+(\\.[A-Za-z0-9-]+)*(\\.[A-Za-z]{2,4})");
Document doc = cleaner.clean(Jsoup.connect(url).get());
String text = doc.text();
Matcher matcher = pattern.matcher(text);
while (matcher.find()) {
    System.out.println(matcher.group());
}

可能感兴趣的两个问题：、和（列在“常见验证任务”下）。我第一眼看到的唯一一件事是，许多电子邮件在at标志前都有点，你的regex不允许。谢谢你的帮助。虽然这似乎对我提供的url有效，但对另一个url无效。我最终使用Java中的模式类来查找匹配项，而不是Jsoup。我将以编辑的形式发布我的解决方案。@Pushkin其他url的问题可能来自regex。我相信我的regex是有效的，因为我已经在Notepad++中测试过它（它成功地匹配了模式），并且我在新的解决方案中使用了它（以编辑的形式发布），这也有效。您觉得正则表达式有什么突出的问题吗？@Pushkin新解决方案中使用的正则表达式与原始解决方案有很大的不同。我刚刚使用了\\s？我们试图简化。带\\s的那个？一些URL仍然存在问题，但使用模式类可以解决问题。
:matchesOwn([0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+\\.[a-zA-Z]{2,4})

Pattern pattern = Pattern.compile("[\\w-]+(\\.[\\w-]+)*\\s?@\\s?[A-Za-z0-9-]+(\\.[A-Za-z0-9-]+)*(\\.[A-Za-z]{2,4})");
Document doc = cleaner.clean(Jsoup.connect(url).get());
String text = doc.text();
Matcher matcher = pattern.matcher(text);
while (matcher.find()) {
    System.out.println(matcher.group());
}