Java 如何使用正则表达式从以下数据中提取数据？

我有一个如下模式的数据集

1<a href="/contact/">Joe</a><br />joe.doe@somemail.com</div>
2<a href="/contact/">Tom</a><br />tom.cat@aol.com</div>
3<a href="/contact/">Jerry</a><br />jerry.mouse@yahoo.co.in</div>

如何解析它？

使用HTML解析器。上面有一堆。根据我的使用经验，我建议。从他们的页面：

JTidy是HTML-Tidy的Java端口、HTML语法检查器和漂亮的打印机。与非Java同类产品一样，JTidy可以用作清理格式错误和错误HTML的工具。此外，JTidy为正在处理的文档提供了一个DOM接口，这使您能够有效地将JTidy用作真实HTML的DOM解析器。

更新

根据对问题的编辑，使用将字符串拆分为

\（[a-z]+\）

作为分隔符。这将为您提供单独的组件：

String[] components = str.split("\\([a-z]+\\)");

或者您可以使用更通用的表达式

\（.*？\）

使用HTML解析器。上面有一堆。根据我的使用经验，我建议。从他们的页面：

JTidy是HTML-Tidy的Java端口、HTML语法检查器和漂亮的打印机。与非Java同类产品一样，JTidy可以用作清理格式错误和错误HTML的工具。此外，JTidy为正在处理的文档提供了一个DOM接口，这使您能够有效地将JTidy用作真实HTML的DOM解析器。

更新

根据对问题的编辑，使用将字符串拆分为

\（[a-z]+\）

作为分隔符。这将为您提供单独的组件：

String[] components = str.split("\\([a-z]+\\)");

或者您可以使用更通用的表达式

\（.*？\）

使用以下正则表达式：

\(name\)(.*)\(email\)(.*)\(end\)

现在，第一个backreference

\1

包含名称，第二个backreference

\2

包含电子邮件地址

继续调用同一个正则表达式以获取下一个名称和电子邮件地址。

使用此正则表达式：

\(name\)(.*)\(email\)(.*)\(end\)

现在，第一个backreference

\1

包含名称，第二个backreference

\2

包含电子邮件地址

---

继续调用同一个正则表达式以获取下一个名称和电子邮件地址。

如果您保证这将是所有条目的标准模式，您只需在每一行上使用String.split（），使用正则表达式（.*）作为拆分模式。这将匹配（后跟尽可能少的其他字符数，后跟另一个字符）。因此，代码如下所示：

//for each String line
String[] items = line.split("\\(.*?\\)");
name = items[0];
email = items[1];

---

如果保证这将是所有条目的标准模式，则可以在每一行上使用String.split（），使用正则表达式（.*）作为拆分模式。这将匹配（后跟尽可能少的其他字符数，后跟另一个字符）。因此，代码如下所示：

//for each String line
String[] items = line.split("\\(.*?\\)");
name = items[0];
email = items[1];

---

这不再是一个格式良好的HTML文档。@ragunah。如果它不是一个格式良好的文档，您仍然可以通过Tidy运行它来整理它，然后解析它。好的，如果上面的数据集看起来像1（abc）Joe（def）Joe，您会怎么做。doe@somemail.com（xyz）暂时忘记HTML。您可以使用

\\（[a-z]+\\）

作为分隔符来标记它（对于您提供的确切示例）。这不再是一个格式良好的HTML文档。@ragunah。如果它不是一个格式良好的文档，您仍然可以通过Tidy运行它来整理它，然后解析它。好的，如果上面的数据集看起来像1（abc）Joe（def）Joe，您会怎么做。doe@somemail.com（xyz）暂时忘记HTML。您可以使用

\\（[a-z]+\\）

作为分隔符来标记它（对于您提供的确切示例）.我在找这个。谢谢@ChetanI在找这个。谢谢@Chetan