Java正则表达式：高效提取文本中的特定URL
在Java开发中，从大量文本数据中提取符合特定模式的内容是常见需求。正则表达式为此提供了高效的解决方案。本文将通过示例演示如何使用Java正则表达式从HTML文本中提取特定URL。
问题： 从HTML文本中提取所有以"www."开头，并以".com"或".cn"结尾的URL。
示例及解析：
立即学习“Java免费学习笔记（深入）”；
由于提供的HTML文本片段 ++++++++++++++++++++++++++++++++++++++++++++ JSON(JavaScript Object Notation) 定义：一种轻量级的数据交换格式，具有良好的可读和便于快速编写的特性。业内主流技术为其提供了完整的解决方案（有点类似于正则表达式，获得了当今大部分语言的支持），从而可以在不同平台间进行数据交换。JSON采用兼容性很高的文本格式，同时也具备类似于C语言体系的行为。有需要的朋友可以下载看看
++++++++++++++++++++++++++++++++++++++++++++![[置顶]Android中的JSON详细总结 中文WORD版](https://img.php.cn/upload/manual/000/000/012/170892733569108.png)
String html = "www.baidu.comwww.qq.comwww.aaa.cnwww.eee.cn"; String regEx = "www\\.\\w+\\.(com|cn)"; //改进后的正则表达式 Pattern pattern = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE); Matcher matcher = pattern.matcher(html); while (matcher.find()) { System.out.println(matcher.group()); }
这段代码首先定义一个包含多个URL的字符串html。 regEx 是改进后的正则表达式：
-
www\\.：匹配"www."，\\用于转义特殊字符.。 -
\\.\\w+\\.：匹配".任意字母数字字符+. "，\\w+匹配一个或多个字母数字字符（更精确地匹配域名）。 -
(com|cn)：匹配".com"或".cn"。
Pattern.compile() 编译正则表达式，Pattern.CASE_INSENSITIVE 忽略大小写。 matcher.find() 查找下一个匹配，matcher.group() 返回匹配的字符串。
运行结果：
www.baidu.com www.qq.com www.aaa.cn www.eee.cn
该代码成功提取所有符合条件的URL。 通过修改正则表达式，可以灵活地匹配不同模式的文本，展现了Java正则表达式在文本处理中的强大功能。
改进说明: 原示例中的正则表达式www.*?(com|cn) 使用了非贪婪匹配*?，虽然也能工作，但在处理更复杂的URL时可能不够精确。改进后的正则表达式www\\.\\w+\\.(com|cn) 更精确地匹配了以"www."开头的域名，避免了误匹配。
