java in regex

Hmja, imam en majhen problem in sicer bi rad z regexi iz nekega stringa (ubistvu html source koda) vn povlekel link (torej, to kar je zapisano v <a href="tole tukaj">). Do zdaj mi je uspelo da vn iz stringa povlecem <a href="nek link" potem se mi pa ustavi .... Ne znam namrec narest, da bi se znebil se taga a in argumenta href, torej da bi dobil samo url. In ne, nocem z replace (kaj ce je link napisan naprimer <a id="neki" name="haha" href="neki">). Skratka .... z regexi bi rad se znebil se tega. ali pa mogoce kaksna boljsa ideja? aja, se koda ....

   Pattern p = Pattern.compile("(?i)<a(.)+href *= *( |" + (char)(34) + ")([^" + (char)(34) + "']+)" + (char)(34) + "");
   Matcher m;
   m = p.matcher("nek string v katerem je HTML source koda");
   if (m.find()) {
     System.out.println(m.group());
   }

   else {
    System.out.println("Ni zadetkov");
   }
 

Hm .... lookahead in lookbehind? kaj je to?


Pozabil sem povedat da sem popolni zacetnik v regexih - pred enim tednom se mi se sanjalo ni kaj je to ... zato bi prosil malcek daljso razlago, ce se ti ljubi. Sicer sem prebral neko e-knjigo o regexih, ampak mi se vedno zadeva ni cisto jasna (knjiga je bila pisana za regex v pearlu, kjer je malcek drugace kot v javi).

Hvala ze vnaprej

Aha! To je to! Samo problem je ker mi zadeva ne dela - zaradi zacetnega < v html tagu. Kako bi pa to resil? Tista dokumentacija je zelo fina, jo na veliko uporabljam, ampak tole pri regexih mi pa ni niti slucajo ni jasno (kot da bi bral nekaj, kar je napisano v nemscini - ki jo znam zelooo slabo ). Tako da ce mi lahko se tukaj pomagas ....

Aja, da se dodam ce je tole pravilno ...

Pattern p = Pattern.compile("(?i)(?<=<a(.)+href *=( |" + (char)(34) + "))([^" + (char)(34) + "']+)(?=" + (char)(34) + ")");

hja, fora je ker argument href ni samo v tagu <a> .... jaz bi pa rad vn potegnil samo urlje iz <a href> taga ....

hm .... hja. href ima se <link> tag. ampak vseeno tole bi slo.

Samo potem se pojavi problem, ker bi rad zadevo priredil se za <img> tag ... torej da dobim vn vse urlje do slik (torej kar je v <img src="tukaj"> tagu. Namrec src argument ima pa kar nekaj tagov .... (img, script, iframe, itd). Torej ali je kaksna moznost, da se znebim pomena oziroma kaj v temu primeru sploh pomeni < znak (v tistem kar sem par postov zgoraj prilepil)?
Bi moral iti cez string 2x? Torej najprej da dobim ven url z tagom vred in potem se cez ta string, da dobim vn samo url? Verjetno bi se dalo brez 2kratnega ponavljanja regexa ....?

hm. no sem potem resil z dvema regex stavkoma .... tko da upam da bo koncna zadeva delala :)