本文实例讲述了java正则匹配HTML中a标签里的中文字符。分享给大家供大家参考，具体如下：
今天群里一位朋友问到了一个正则表达式的问题，有如下内容：
<a href='www.baidu.comds=id32434#comment'rewr>特432</a>453543<a guhll,,l>a1特123你好123吗？</a><a href=id=32434#comment'ewrer>特2</a><a>标签中的文字</a>
现在要匹配出内容包含中文但标签的属性中不包含comment的<a>标签中的汉字。
解决思路如下：
1、首先匹配出不包括comment的<a>标签；
2、在匹配结果中进行二次匹配出中文；
代码如下：
package com.mmq.regex;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * @use 匹配HTML的<a>标签中的中文字符 * @ProjectName stuff * @Author mumaoqiang * @FullName com.mmq.regex.MatchChineseCharacters.java * @JDK 1.6.0 * @Version 1.0 */public class MatchChineseCharacters { /** * 根据输入的内容，匹配出包含中文但不包含comment的<a>标签中的中文字符 * @param source 要匹配的内容 * @return <a>标签中的中文字符 */ public static String matchChineseCharacters(String source) { //匹配出包含中文但不包含comment的<a>标签 String reg = "<a((?!comment).)*?>([^<>]*?[//u4e00-//u9fa5]+[^<>]*?)+(?=</a>)"; Pattern pattern = Pattern.compile(reg); Matcher matcher = pattern.matcher(source); StringBuilder character = new StringBuilder(); while(matcher.find()){ String result = matcher.group(); System.out.println(result); //对结果进行二次正则，匹配出中文字符 String reg1 = "[//u4e00-//u9fa5]+"; Pattern p1 = Pattern.compile(reg1); Matcher m1 = p1.matcher(result); while(m1.find()){ character.append(m1.group()); } //System.out.println(character.toString()); } return character.toString(); } public static void main(String[] args) { String result = matchChineseCharacters("<a href='www.baidu.comds=id32434#comment'rewr>特432</a>453543<a guhll,,l>a1特123你好123吗？</a><a href=id=32434#comment'ewrer>特2</a><a>标签中的文字</a>"); System.out.println(result); }}输出结果如下：
<a guhll,,l>a1特123你好123吗？<a>标签中的文字特你好吗标签中的文字
这里做一下解释：
String reg = "<a((?!comment).)*?>([^<>]*?[//u4e00-//u9fa5]+[^<>]*?)+(?=</a>)";
这个匹配内容包含中文但标签的属性中不包含comment的<a>标签的正则中，不能使用向后查找?<=，因为向后查找只能是固定长度的内容，这里<a>标签中属性不确定，所以不能使用；[//u4e00-//u9fa5]+匹配中文字符串；而(?=</a>)使用向前查找?=，在结果中不会包含结束标签</a>。
这个问题就这样得到解决了。如果说要匹配指定标签中的指定内容，那么也是很容易改进的了。若有更好的正则，还请留言相互学习。
希望本文所述对大家java程序设计有所帮助。
新闻热点
疑难解答
图片精选
