Discussion :

[laclac]

Bonjour,

J'ai une chaine de caractère :

bonjour robert <a href="http://www.test.net/f/">test</a> bla bl bla<a href="http://www.google.com">google</a> <b>google</b> << google

Comment faire pour extraire toutes les chaine commençant par :
<a et terminant par </a> pour les mettre dans un tableau ?


J'ai essayer l'expression régulière ci dessous:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 String[] tabText = text.split("[<A*</A]");

Mais sans succès

Merci d'avance

[visiwi]

Salut,

A titre de proposition, car je suis pas un pro des expressions rationnelles :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
String motif = "<a[\\s]+href=[^>]*>[^<]*</a>";
Pattern pattern = Pattern.compile(motif);
Matcher macher = pattern.matcher("bonjour robert <a href=\"http://www.test.net/f/\">test</a> bla bl bla<a href=\"http://www.google.com\">google</a> <b>google</b> << google");
while (macher.find()) {
	System.out.println("URL trouvé (" + macher.start() + ", " + macher.end() + ") --> " + macher.group());
}

[dingoth]

Il y a bien l'opérateur non-gourmand à utiliser pour te faciliter la tâche (.*? ou .+? ou .??). Il agit comme .* (ou .+ ou .?), mais en prenant la plus petite chaîne qui remplit ce contrat. :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
String s = "bonjour robert <a href=\"http://www.test.net/f/\">test</a> bla bl bla<a href=\"http://www.google.com\">google</a> <b>google</b> << google";
 
Pattern p = Pattern.compile("<a.*?>.*?</a>", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(s);
while (m.find()) {
	System.out.println(m.group());
}

Donne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
<a href="http://www.test.net/f/">test</a>
<a href="http://www.google.com">google</a>

[laclac]

Magnifique !
Merci beaucoup, c'est exactement ce que je cherchais.
Je ne connaissais pas la classe Pattern qui est très approprié.
Je pense gagner beaucoup en performance et en simplicité grâce à votre aide. Un grand merci encore, je n'aurais espère mieux !

[laclac]

Bonjour,

Etant très satisfait de ce code, j'ai décider d'approfondir les expressions régulières. J'ai donc une question supplémentaire, je n'ai pas ouvrir le de nouveau post car que le prolonguement du post respecte la netiquette.

J'ai voulu extraire le lien de la balise <A, voici ma proposition:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
        Pattern p = Pattern.compile("href..*?.[\"' ]", Pattern.CASE_INSENSITIVE);
        Matcher m = p.matcher(lien);
        String word;
        while (m.find()) {
               System.out.println(m.group());
        };

Le probleme c'est que si le lien est entre guillemet, je l'ai récupere. y a t-il un moyen de les exclures ?

Egalement, j'aimerais extraire le mot clef du lien.
Je propose ">.*</" comme expression régulière, mais là aussi jai le meme probleme. je récupere ">Google</".. je n'arrive pas à exclure les caracteres me permettant d'identifier le mot.

Merci d'avance

[Petibidon]

Pfouuu elle est pas simple à piger la gestion des regex avec java

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Pattern p = Pattern.compile( "<a href=\"(.*?)\">(.*?)</a>" );
Matcher m = p.matcher( lien );

les parenthèses permettent de délimiter des blocs (group) de capture.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
while( m.find() ){
    System.out.println( m.group( 0 ) ); //retourne tout ce que le masque a capturé
    System.out.println( m.group( 1 ) ); //retourne ce qui a été capturé dans la première parenthèse
    System.out.println( m.group( 2 ) ); //retourne ce qui a été capturé dans la seconde parenthèse
}