Java 正則表達式實戰：分割、比對、替換與擷取 HTML 範例

Java 正則表達式實戰：分割、比對、替換與擷取 HTML 範例

Java java.util.regex 套件提供強大的正則表達式功能。本文透過一個簡單的 HTML 字串，示範四大核心操作：分割字串、全文比對、替換標籤、擷取特定內容。

測試字串

String html = "
this is a simple regex test
";

1. 分割字串 (split)

使用 Pattern.split() 以 HTML 標籤符號 (<, >, /) 切割：

String[] parts = Pattern.compile("[</?|>]").split(html);
for (String part : parts) System.out.print(part + " ");

輸出：html head title regex test /title /head body p this is a simple regex test /p /body /html

2. 全文比對 (matches)

驗證字串是否符合「單一根標籤包裹」結構：

boolean matched = Pattern.compile("^<(\\w*)>.*</\\1>$").matcher(html).matches();
System.out.println(matched); // false (因為有巢狀標籤)

3. 替換字串 (replaceAll)

將所有 <p> 與 </p> 替換為 <h1> 與 </h1>：

String replaced = Pattern.compile("<(/?)p>").matcher(html).replaceAll("<$1h1>");
System.out.println(replaced);

關鍵：$1 參照第一個捕獲群組 (/?)，保留可選的斜線。

4. 擷取子字串 (Matcher.find + group)

提取 <title> 標籤內的文字：

Matcher m = Pattern.compile("<title>(.*)</title>").matcher(html);
while (m.find()) {
    System.out.println(m.group(1)); // 輸出: regex test
}

核心 API 速查表

效能與最佳實踐

• 預編譯 Pattern：靜態常量或重用場景務必預編譯，避免重複編譯開銷。
• 貪婪 vs 非貪婪：.* 為貪婪匹配，.*? 為非貪婪，擷取 HTML 內容建議用非貪婪或排除標籤字元 [^<]*。
• 轉義：Java 字串中反斜線需雙重轉義 \\\\，原始字串 (Java 13+ """...""") 可簡化。