Beschreibung

Seien Sie vorsichtig mit Regexs wie <a[^>]* , da diese auch mit anderen gültigen HTML-Tags übereinstimmen, die mit einem a wie <abbr> oder <address> beginnen. Auch die Suche nach der Zeichenfolge href ist nicht gut genug, da diese Zeichenfolge innerhalb des Werts eines anderen Attributs oder wie <a class="thishrefstuff"... oder Teil eines anderen Attributs wie <a hreflang="en"...

Dieser Ausdruck wird:

• stimmt mit allen Anker-Tags überein <a ... </a> , die kein href -Attribut enthalten.
• Erzwingt die Umsetzung des Tag-Namens a und nicht eines Tags, das einfach mit dem Buchstaben a like <address> beginnt.
• ignoriere Attribute, bei denen auch der Teilstring href in den Namen des Attributs eingebettet ist, wie das gültige hreflang='en' oder das erfundene Attributehref="some value" .
• Ignoriere alle Zeichen im Wertebereich aller korrekt formatierten Attribute wie bogus='href=""'

<a(?=\s|>)(?!(?:[^>=]|=(['"])(?:(?!).)*)*?\shref=['"])[^>]*>.*?<\/a>

Erweitert

• <a(?=\s|>) stimmt mit dem offenen Tag überein und stellt sicher, dass der nächste Name nach dem Tag entweder ein Leerzeichen oder die schließende Klammer ist. Dies zwingt den Namen zu a und nicht zu etwas anderem
• (?! startet den negativen Blick voraus, wenn wir eine href in diesem Tag finden, dann ist diese Art von Tag nicht das Tag, nach dem wir suchen
  • (?: startet die Nicht-Capture-Gruppe, um sich durch alle Zeichen innerhalb des Tags zu bewegen
  • [^>=] stimmt mit allen nicht abschließenden Zeichen überein, wodurch verhindert wird, dass die Regex-Engine das Tag verlässt, und ungleiche Zeichen, die verhindern, dass die Engine blind mit allen Zeichen übereinstimmt
  • | oder
  • =(['"]) entspricht einem Gleichheitszeichen, gefolgt von einem offenen Doppel- oder einfachen Anführungszeichen. Das Zitat wird in Gruppe 2 aufgenommen, damit es später korrekt gepaart werden kann
  • (?:(?!).)* stimmt mit allen Zeichen überein, die nicht das enge Zitat sind, das dem offenen Zitat
  entspricht
  • stimmt mit dem korrekten nahen Zitat
  überein
  • )*? schließt die Nicht-Capture-Gruppe und wiederholt so oft wie nötig bis
  • \shref=['"] stimmt mit dem gewünschten href-Attribut überein. Die \s und =["'] stellen sicher, dass der Attributname einfach href
  lautet
  • ) schließt den negativen Lookahead
• [^>]*>.*?<\/a> entspricht der gesamten Zeichenfolge von "Öffnen" bis "Schließen"

Java Code Beispiel:

Eingabetext

<abbr>RADIO</abbr> text <a class="aClass" href="#">link1</a> text <a bogus='href=""' class="aClass" target="_blank">link2</a> text

Code

Wenn Sie dies in einer Replace-Funktion verwenden möchten, um nicht-href-anchor-Tags zu entfernen, ersetzen Sie einfach alle Treffer durch nichts.

Entspricht

Ich finde es merkwürdig, dass Sie brauchen , um es mit Regex zu tun, aber Sie können einen negativen Lookahead verwenden.

Ich bin kein Java-Experte, aber Sie können so etwas ausprobieren:

Eine Option, die Sie haben, besteht darin, alle -Tags zuerst zu suchen und dann eine Regex zu verwenden, um diejenigen zu finden, die Sie haben, so dass Sie sie ignorieren können. So würde Ihr Pseudocode aussehen: