Java的正则表达式

最近做spider，java的正则表达式解析出每个网页的超链接，感觉正则真的神通广大！

大概说一下，我的通常用法。

 

这一不只是解析出 <a href=""> 这部分

 

 

String regex = "(<a href=/")([//S]+)(/")";

 

Pattern pattern = Pattern.compile(regex);

 

Matcher matcher = pattern.matcher(sb); //sb是一个html 代码的String

 

while (matcher.find()) {

         String str = matcher.group(2).toString();

 

 

}

 

 

Stringbuffer的清空：

 

sb.delete(beg,end);

或

sb.steLength(0);

 

Html超链接的分类

 

绝对路径

1）<a href="http......................."

相对路径

2)  <a href="../index.htm"

3)  <a href="index.html"

 

邮件地址

4)  <a href="mailto:abc@gmail.com">

 

链接锚 

<a href="#mark2">

 

 

有时间慢慢补充体会，，