在Java中组合正则表达式

我对一个用Java从html表中提取信息的程序有一些问题。 为了从每一列中提取信息，我使用以下正则表达式：

<td>([^<]*)</td>

（[^（.*））

这也非常有效。 但有时我需要链接所在列的信息。因此，我想将这些正则表达式与：

<td>([^<]*)</td>|<a[^>]*>(.*?)</a>

（[^（.*））

我以为它会这样工作：

• 它可以得到介于
  和
  之间的所有东西

• 如果这个东西是一个链接，那么它也只能得到链接名

但这是行不通的。我在正则表达式方面不是最好的，所以我需要帮助将这两个步骤结合起来

非常感谢。

我正在使用的代码：

Pattern pattern = Pattern.compile("<td>([^<]*)</td>|<a[^>]*>(.*?)</a>");

String line = "Here are the lines saved from the HTML downloader";

Matcher matcher = pattern.matcher(line);
for (int startPoint = 0; matcher.find(startPoint); startPoint = matcher.end())
   {
        System.out.prinln(matcher.group(1));
   }

Pattern=Pattern.compile（（[^（.*））；
String line=“以下是从HTML下载程序保存的行”；
匹配器匹配器=模式匹配器（线）；
for（int startPoint=0；matcher.find（startPoint）；startPoint=matcher.end（））
{
系统输出原则（匹配组（1））；
}

---

这只是一个片段，但它通常是这样工作的。（通常字符串保存在数组中）。

“我对用Java从html表中提取信息的程序有一些问题。”不要用正则表达式解析html这是什么意思？请给我们你正在使用的代码，并给我们一个简短的可重复的例子，清楚地说明你的问题。我知道很多人不喜欢用正则表达式解析html。但它一直对我有效。我知道一定有可能将其结合起来。

matcher.group（1）

如果找到链接，则返回

null

。它们已经组合在一起。要合并到单个捕获组中，Java必须执行分支重置，这是不执行的。在每次匹配时，两个组中的一个组将为

null

，另一个组不会。您所要做的就是检查哪一个。不要将

null

与空字符串混淆.我现在试着和JSoup一起解析所有这些东西，效果好多了-但是谢谢你们的帮助！

Pattern pattern = Pattern.compile("<td>([^<]*)</td>|<a[^>]*>(.*?)</a>");

String line = "Here are the lines saved from the HTML downloader";

Matcher matcher = pattern.matcher(line);
for (int startPoint = 0; matcher.find(startPoint); startPoint = matcher.end())
   {
        System.out.prinln(matcher.group(1));
   }