Java中的正则表达式点运算符似乎总是很有效

我正在尝试从HTML片段中获取第一段内容。。。没什么比这更容易的了吧？但出于某种原因，

*？

操作符似乎工作贪婪：

import java.util.regex.Matcher；
导入java.util.regex.Pattern；
公开课考试
{
公共静态void main（字符串[]args）
{
Pattern regex=Pattern.compile（“]*）？>（.*？
”，Pattern.DOTALL）；
Matcher match=regex.Matcher（“
foo
bar
”；
System.out.println（match.matches（））；
系统输出println（匹配组（1））；
}
}

我希望只匹配第一段的内容（

foo

），但结果如下：

$ javac test.java && java test
true
foo</p> <p>bar

$javac test.java&&java测试
符合事实的
foo
酒吧

如npinti所解释的，

*？

在第一次

之后继续匹配的任何原因，都是调用
匹配.match（）
引起的问题。这将尝试将模式与整个输入字符串相匹配。只有当正则表达式引擎找到某种方式将字符串表示为模式的实例时，它才会成功。实现这一点的唯一方法是将
（.*）
与
foo
条
匹配

有两种方法可以解决此问题：

最简单的方法是切换到
match.find（）
。这将在字符串中查找模式的第一个匹配项。由于不需要匹配整个字符串，因此非贪婪量词可确保根据需要获得
foo

调整图案以匹配整个字符串。例如，
“]*）？>（.*）
*”


然而，不可避免地，这些“简单”的计划是解析一些HTML。用类似的东西解析HTML真的很简单。现在切换到那个，不要回头看。看看这有多容易：

Document doc = Jsoup.parseBodyFragment("<p class=\"baz\">foo</p> <p>bar</p>");
Elements paragraphs = doc.getElementsByTag("p");

if (paragraphs.size() > 0) {
  System.out.println(paragraphs.get(0).text());
}

Document doc=Jsoup.parseBodyFragment（“
foo
bar
”；
元素段落=doc.getElementsByTag（“p”）；
如果（段落.size（）>0）{
System.out.println（段落.get（0.text（））；
}

打印：
foo
正如npinti所解释的，该问题是由调用
match.match（）
引起的。这将尝试将模式与整个输入字符串相匹配。只有当正则表达式引擎找到某种方式将字符串表示为模式的实例时，它才会成功。实现这一点的唯一方法是将
（.*）
与
foo
条
匹配

有两种方法可以解决此问题：

最简单的方法是切换到
match.find（）
。这将在字符串中查找模式的第一个匹配项。由于不需要匹配整个字符串，因此非贪婪量词可确保根据需要获得
foo

调整图案以匹配整个字符串。例如，
“]*）？>（.*）
*”


然而，不可避免地，这些“简单”的计划是解析一些HTML。用类似的东西解析HTML真的很简单。现在切换到那个，不要回头看。看看这有多容易：

Document doc = Jsoup.parseBodyFragment("<p class=\"baz\">foo</p> <p>bar</p>");
Elements paragraphs = doc.getElementsByTag("p");

if (paragraphs.size() > 0) {
  System.out.println(paragraphs.get(0).text());
}

Document doc=Jsoup.parseBodyFragment（“
foo
bar
”；
元素段落=doc.getElementsByTag（“p”）；
如果（段落.size（）>0）{
System.out.println（段落.get（0.text（））；
}

打印：
foo
很抱歉没有在前面发布此内容，因为您没有访问Java环境的权限

问题是
matches（）
将尝试匹配整个字符串。这意味着它将隐式添加
^
和
$
。将
matches（）
替换为
find（）
可以解决此问题：

    Pattern regex = Pattern.compile("<p(?: [^>]*)?>(.*?)</p>", Pattern.DOTALL);
    Matcher match = regex.matcher("<p class=\"baz\">foo</p> <p>bar</p>");
    System.out.println(match.find());
    System.out.println(match.group(1));

很抱歉没有在前面发布此消息，因为您没有访问Java环境的权限

问题是
matches（）
将尝试匹配整个字符串。这意味着它将隐式添加
^
和
$
。将
matches（）
替换为
find（）
可以解决此问题：

    Pattern regex = Pattern.compile("<p(?: [^>]*)?>(.*?)</p>", Pattern.DOTALL);
    Matcher match = regex.matcher("<p class=\"baz\">foo</p> <p>bar</p>");
    System.out.println(match.find());
    System.out.println(match.group(1));

它在这里工作，尝试替换
System.out.println（match.matches（））与
System.out.println（match.find（））匹配强制注释：您是否考虑过使用DOM解析器来实现此目的？@Duncan:
matches（）
尝试匹配整个字符串
find（）
将找到第一个匹配项并从那里继续。点本身并不贪婪；它将始终匹配一个且仅匹配一个字符。你使用的量词可能贪婪，也可能不贪婪，甚至占有（
*++
，
++
等）。它在这里起作用，请尝试替换
System.out.println（match.matches（））与
System.out.println（match.find（））匹配强制注释：您是否考虑过使用DOM解析器来实现此目的？@Duncan:
matches（）
尝试匹配整个字符串
find（）
将找到第一个匹配项并从那里继续。点本身并不贪婪；它将始终匹配一个且仅匹配一个字符。你使用的量词可能贪婪，也可能不贪婪，甚至是占有欲（
*++
，
++
等等）。感谢你的所有提示，我们将调查JSoup，但现在只需使用
find（）
@RafałWrzeszcz>修复代码：按照建议坚持JSoup。将为您的未来节省很多麻烦。@RafałWrzeszcz我添加了一个JSoup示例。它比正则表达式简单得多…感谢您提供的所有提示，我们将调查JSoup，但现在我们只需使用
find（）
@RafałWrzeszcz修复代码：按照建议使用JSoup。将为您的未来节省很多麻烦。@RafałWrzeszcz我添加了一个JSoup示例。这比正则表达式简单得多…啊哈，我不确定你会给出答案。我会留下我的，因为它有一些更多的细节，但是请投我一票来解决这个问题@邓肯：你的答案更好，因为你推广了
JSoup
（你应该如何处理HTML解析）。从我这里站起来。啊哈，我不是苏