Java 从字符串中检索具体数据

我正在尝试从字符串中检索数据产品id，如下所示：

<a href="/w-pustyni-i-w-puszczy-sienkiewicz-henryk,prod14290034,ksiazka-p" class="img seoImage" title="W pustyni i w puszczy &nbsp;-&nbsp;Sienkiewicz Henryk" rel="nofollow" data-product-id="prod14290034"> <img class="lazy" src="/b/mp/img/svg/no_picture.svg" lazy-img="https://ecsmedia.pl/c/w-pustyni-i-w-puszczy-p-iext43240721.jpg" alt=""> </a>

String z  = element.toString();
        Pattern pattern = Pattern.compile("data-product-id=\"\\s*([^\\s\"]*?)\\s*\"");
        Matcher matcher = pattern.matcher(z);
        System.out.println(matcher.find());
        if (matcher.find()) {
            System.out.println(matcher.group());
        }

我试图用正则表达式来实现这一点，但我对正则表达式还不太熟悉

正则表达式对它有好处吗？如果是，怎么做

/编辑 根据艾玛的评论

我做过这样的东西：

<a href="/w-pustyni-i-w-puszczy-sienkiewicz-henryk,prod14290034,ksiazka-p" class="img seoImage" title="W pustyni i w puszczy &nbsp;-&nbsp;Sienkiewicz Henryk" rel="nofollow" data-product-id="prod14290034"> <img class="lazy" src="/b/mp/img/svg/no_picture.svg" lazy-img="https://ecsmedia.pl/c/w-pustyni-i-w-puszczy-p-iext43240721.jpg" alt=""> </a>

String z  = element.toString();
        Pattern pattern = Pattern.compile("data-product-id=\"\\s*([^\\s\"]*?)\\s*\"");
        Matcher matcher = pattern.matcher(z);
        System.out.println(matcher.find());
        if (matcher.find()) {
            System.out.println(matcher.group());
        }

它返回true，但不打印任何值。为什么？

您可以使用Java—它是一个用于解析HTML页面的库。对于不同的语言，比如python，还有很多其他的库

编辑：这是jsoup的一个代码段，您可以选择带有标记的任何元素，然后使用attr方法获取所需的属性

Document doc = Jsoup.parse(
    "<a href=\"/w-pustyni-i-w-puszczy-sienkiewicz-henryk,prod14290034,ksiazka-p\" " +
        "class=\"img seoImage\" " +
        "title=\"W pustyni i w puszczy &nbsp;-&nbsp;Sienkiewicz Henryk\" " +
        "rel=\"nofollow\" " +
        "data-product-id=\"prod14290034\"> " +
        "<img class=\"lazy\" src=\"/b/mp/img/svg/no_picture.svg\" lazy-img=\"https://ecsmedia.pl/c/w-pustyni-i-w-puszczy-p-iext43240721.jpg\" alt=\"\"> </a>\n"
);

String dataProductId = doc.select("a").first().attr("data-product-id");

Document doc=Jsoup.parse(
“\n”
);
字符串dataProductId=doc.select（“a”）.first（）.attr（“数据产品id”）；

您可以使用一些HTML/XHTML/XML库，它可以将字符串数据转换为文档或至少是元素，然后您就可以轻松地从中获取属性值。但是如果你想使用正则表达式，你可以试试这个代码片段

  @Test
  public void productId() {
    String src =
        "<a href=\"/w-pustyni-i-w-puszczy-sienkiewicz-henryk,prod14290034,ksiazka-p\" class=\"img seoImage\" title=\"W pustyni i w puszczy &nbsp;-&nbsp;Sienkiewicz Henryk\" rel=\"nofollow\" data-product-id=\"prod14290034\"> <img class=\"lazy\" src=\"/b/mp/img/svg/no_picture.svg\" lazy-img=\"https://ecsmedia.pl/c/w-pustyni-i-w-puszczy-p-iext43240721.jpg\" alt=\"\"> </a>";
    final Pattern pattern = Pattern.compile("(data-product-id=)\"(p[a-zA-Z]+[0-9]+)\"");
    final Matcher matcher = pattern.matcher(src);
    String prodId = null;
    if (matcher.find()) {
      System.out.println(matcher.groupCount());
      prodId = matcher.group(2);
    }
    System.out.println(prodId);
    Assert.assertNotNull(prodId);
    Assert.assertEquals(prodId, "prod14290034");
  }

@测试
public void productId（）{
字符串src=
"";
final Pattern=Pattern.compile（“（数据产品id=）\”（p[a-zA-Z]+[0-9]+）\”；
最终匹配器匹配器=pattern.Matcher（src）；
字符串prodId=null；
if（matcher.find（））{
System.out.println（matcher.groupCount（））；
prodId=matcher.group（2）；
}
系统输出打印项次（prodId）；
Assert.assertNotNull（prodId）；
Assert.assertEquals（prodId，“prod14290034”）；
}

你应该展示你所做的尝试。我正在使用jsoup。我需要我贴出来的身份证。这个网站看起来是这样的：pustyni i w puszczy&qtype=basicForm&sort=priceAsc，你看不到确切的ID。它不起作用，因为ID看起来也是这样：

p1923133

编辑了我的答案，也要注意这个模式