需要帮助修改正则表达式吗

了解模式

您具有以下Java字符串文字:

// Java string literal
"<A HREF=\"([^\"]+)\"[^>]*>([^<]+?)\\.mp3</A>"

当处理所有转义序列时,此字符串表示的模式如下:

// the regex pattern
<A HREF="([^"]+)"[^>]*>([^<]+?)\.mp3</A>

现在让我们打破这个模式:

_________       _     _        E________
<A HREF="([^"]+)"[^>]*>([^<]+?)\.mp3</A>
         \_____/       \______/
            1              2

所以这个正则表达式的部分是:

1. <A HREF="
2. ([^"]+) ,即除双引号外的所有内容,在第1组中捕获
3. "
4. [^>]* >
5. > 完全匹配
6. ([^<]+?) < ,尽可能少,在第2组捕获
7. .mp3</A> 按字面意思匹配 . 用反斜杠转义)

• 这个 href 属性值由第2部分匹配;它必须用双引号括起来,并且本身不能包含任何转义的双引号。这场比赛被分为第1组。
• href公司 必须是第一个属性,否则正则表达式将不匹配。
• 第6部分匹配文件名,捕获到组2中。

用regex解析HTML是一项棘手的工作,但是考虑到许多假设,上面的regex似乎大部分时间都能完成这项工作。

修改图案

Alternation 在regex中是使用竖条完成的。重要的是要了解它的优先级,以及分组是如何有用的。

• this|that 匹配以下两个字符串之一:
  • "this"
  • "that"
• this|that thing
  • “这个”
  • "that thing"
• (this|that) thing
  • "this thing"
  • “那东西”
• (this|that) (thing|stuff)
  • “这个东西”
  • "this stuff"
  • "that stuff"

所以允许两者兼而有之 mp3 ogg 扩展,我们可以修改 mp3 在模式中 (mp3|ogg) . 请注意,此组将匹配扩展并将其捕获到组3中。

因此,最终的模式是:

<A HREF="([^"]+)"[^>]*>([^<]+)\.(mp3|ogg)</A>
         \_____/       \_____/  \_______/
          1:url      2:filename   3:ext

作为Java字符串文本,这是:

"<A HREF=\"([^\"]+)\"[^>]*>([^<]+)\\.(mp3|ogg)</A>"

附录

[…] character class [aeiou] 匹配任何一个小写元音。 [^…] 是一个 否定 角色类。 [^aeiou] 任何事

这个 (…) capturing group

这个 * 和 + 是 repetition specifiers . 默认情况下,重复是贪婪的(即匹配为 尽可能)。这个 ? 在里面 +? 使其不情愿(即匹配为 尽可能)。

请注意 ? 也可以作为 optional repetition specifier 在其他情况下。

这个 . 是一个元字符 matches (almost) any character . 因为我们需要一个文字句点,所以我们通过在前面加上双斜杠来转义它。

注意,regex模式在默认情况下是区分大小写的。在Java中,您可能需要使用 Pattern.CASE_INSENSITIVE 标志(可嵌入为 (?i) 在模式中)。

Replace 
    \.mp3
with
    \.((mp3)|(ogg))