0

Пытаюсь парсить HTML документ, и попутно разбираюсь в регулярках - читал статьи, но как только казалось, что всё понял - на деле оказывается не правильно.

Конкретно - есть строка: <meta property="og:image" content="http://drugoigorod.ru/wp-content/uploads/2016/06/krov_1.jpg" /><link rel="icon"

Из неё нужно вытащить 2016/06/krov_1.jpg.

Вот регулярка, которая у меня получилась по гайдам, что находил и синтаксису, как его понял:

private static Pattern headerImagePattern = Pattern.compile("<meta property=\"og:image\" content=\"http://drugoigorod.ru/wp-content/uploads/(.*)\\S/><link rel=\"icon\"");

В чем моя ошибка, и почему он не находит так, как я предполагаю?В чем упущение\тонкость.

p.s То, что возвращает этот шаблон прислать не могу, это проверяется в тестах, а логи там почему-то не пашут.

p.s.s сайты проверки регулярок вроде regex101 не подойдут, есть разница в синтаксисах, там для javascript и php, то что работает там, не работает в джаве и наоборот.

14
  • Лично мне кажется, что для вашей задачи проще выдрать информацию при помощи обычных методов String 14 июл 2016 в 12:35
  • 2
    Никогда, слышите? Никогда не парсите xml регулярками. Вот, например, сюда посмотрите htmlparser.sourceforge.net
    – rjhdby
    14 июл 2016 в 12:37
  • 1
    Ну, это уж очень не подходящая задача для того, чтобы разобраться в регулярках, как по мне (Я просто не люблю регулярки) 14 июл 2016 в 12:38
  • 1
    @ЮрийСПб отличный пост, с классной концовкой=) 14 июл 2016 в 12:46
  • 1
    конкретно тут проблема в \S - это значит "любой символ кроме пробельных (\s)", а вам как раз нужен пробел.
    – zRrr
    14 июл 2016 в 13:50

1 ответ 1

2
\d{4}/\d{2}

\d - [0-9] Цифровой символ

{4} - 4 цифры

далее символ /

\d - [0-9] Цифровой символ

{2} - 2 цифры

2
  • Из неё нужно вытащить 2016/06/krov_1.jpg - точное совпадение :D
    – Visman
    14 июл 2016 в 13:27
  • \d{4}/\d{2}/\S+.jpg 14 июл 2016 в 13:41

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.