Java正则表达式，捕获格式错误的html

我需要解析超链接

latest all.json.bz2

之后的日期，即

29-Oct-2019 15:36

来自此网站：

https://dumps.wikimedia.org/wikidatawiki/entities/

如果您查看网站源HTML：

<a href="latest-all.json.bz2">latest-all.json.bz2</a>                                29-Oct-2019 15:36         42621256074
<a href="latest-all.json.gz">latest-all.json.gz</a>                                 29-Oct-2019 11:51         63776436005
<a href="latest-all.nt.bz2">latest-all.nt.bz2</a>                                  30-Oct-2019 22:46         84032013058
<a href="latest-all.nt.gz">latest-all.nt.gz</a>                                   30-Oct-2019 13:12        108976436346
<a href="latest-all.ttl.bz2">latest-all.ttl.bz2</a>                                 30-Oct-2019 15:43         52462636586

29-Oct-2019 15:36 42621256074
2019年10月29日11:51 63776436005
2019年10月30日22:46 84032013058
2019年10月30日13:12 108976436346
2019年10月30日15:43 52462636586

您将看到没有与之关联的标记，因此我无法使用Jsoup捕获它。相反，我尝试使用此注册表项：

String html = this.doc.html();
        String patternString = "(latest-all.json.gz<\/a>)(.*)";
        Pattern pattern = Pattern.compile(patternString);
        Matcher matcher = pattern.matcher(html);
        System.out.println(matcher.group(0));

String html=this.doc.html（）；
String patternString=“（最新的all.json.gz）（*）”；
Pattern=Pattern.compile（patternString）；
Matcher Matcher=pattern.Matcher（html）；
System.out.println（matcher.group（0））；

但它没有记录日期。有人能给我推荐一个与期望日期相匹配的正则表达式吗

编辑：也尝试了

（最新[-]all[.]json[.]bz2）[
]*（.*）

但不起作用查看当前正则表达式：

String patternString = "(latest-all\\.ttl\\.gz<\\/a>)(.*)";

String patternString=“（最新的all\\.ttl\\.gz）（.*）；

这匹配一个字符串，其形式为

latest all.ttl.gz

，后跟一些东西，我认为这不是您想要的

首先，在您共享的源HTML中，没有出现“latest all.ttl.gz”（我相信您的意思是查找“latest all.json.bz2”）。第二，正斜杠不需要在正则表达式中转义

因此，考虑到这一点，一个应该做到这一点的正则表达式是：

String patternString = "(latest-all\\.json\\.bz2</a>)[\\n]*(.*)";

String patternString=“（最新的all\\.json\\.bz2）[\\n]*（.*）”；

---

（我添加了

[\\n]*

部分以排除

标记和日期之间的任何新行）。

您可以使用如下正则表达式：

\S+ \d{2}:\d{2}

---

从您提供的html中，没有与JSOUP匹配的数据

最新的all.ttl.gz

，您应该能够遍历到

标记，然后请求下面的

.text（）

。您可以使用正则表达式处理

.text（）

节点的内容以提取日期。我不相信这与字符串匹配，不幸的是，这让我感到困惑，因为我希望这样做，它与我尝试的内容非常接近，除了在我的脚本中检查了一个输入错误之外，您还需要调用

matcher.find（）方法，然后再尝试获取结果。@qwertyuiop哦，我犯了一个小错误。将我答案中的
\n
替换为
\\n
（因为它是一个Java字符串，我们需要转义反斜杠）。