Java 正則表達式實戰：從 HTML 標籤提取屬性值

實際需求

解析網頁原始碼，提取表單元素的 id 屬性值。例如從 <input type='text' id='baijinshan' name='baijinshan' > 中提取 baijinshan。

核心代碼

package cn.bai.test;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {
    public static void main(String[] args) {
        String html = "<input type='text' id='baijinshan' name='baijinshan' >";
        // 正則：look-behind 斷言 id=' 開頭，look-ahead 斷言 ' name 結尾
        String regex = "(?<=id=')[\\s\\S]+?(?=' name)";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(html);
        if (m.find()) {
            System.out.println("提取的 id: " + m.group()); // 輸出: baijinshan
        }
    }
}

正則表達式拆解

關鍵 API 用法

• Pattern.compile(regex)：編譯正則為模式物件（可重用，執行緒安全）。
• matcher(input)：建立匹配器，綁定輸入字串。
• find()：尋找下一個匹配子串，返回 boolean。
• group()：返回整個匹配內容；group(n) 返回第 n 組捕獲組。

進階提示

• 真實 HTML 解析建議使用 Jsoup 等專用解析器，正則處理巢狀、跨行、屬性順序不固定等情況極易出錯。
• 若需提取多個屬性，可用 while (m.find()) 迭代。
• Java 9+ 支援 Matcher.results() 串流式處理。