java正則表達式提取html中的圖片標籤

需求：將網頁分享給其他人，JShare的分享模板如下：



其中有標題（紅色）、內容（黃色）、圖片（綠色），但是接口中沒有給圖片的URL，而html格式的內容中有<img src="http://……">標籤，需要去內容中自己提取第一張圖片作爲分享的圖標，如下：

所以，這個時候我們的需求就一目瞭然了：用正則表達式從繁雜的內容中找到我們需要的圖片。

解決：
1、正則表達式：（http://jszx-jxpt.cuit.edu.cn/JavaAPI/java/util/regex/Pattern.html）官方API，供查詢瞭解
2、代碼查找：
一、先找到<img src="">標籤，用到的正則表達式（"<img.*?>"）
代碼如下：
 

public static List<String> getMatchString(){
    List<String> pics = new ArrayList<>(); // 因文件可能有多張圖片，故用集合來存儲結果
    Pattern compile = null;
    if (isDistinguish){ // isDistinguish:是否區分大小寫
        compile = Pattern.compile("<img.*?>"); // "<img.*?>" : 獲取標籤的正則
    }else{
        compile = Pattern.compile("<img.*?>", Pattern.CASE_INSENSITIVE);
    }
    Matcher matcher = compile.matcher(string); // string：後臺返的內容，圖片就是從中提取的
    while (matcher.find()){
        String img = matcher.group();
        pics.add(img);
    }
    return pics;
}

運行，得到結果如下：

可以看出，本文有三張圖片

二、再拿到標籤中的地址，直接可以使用，代碼如下：
 

List<String> img_url = new ArrayList<>();
/**
* img : 上面打印的標籤內容，將它直接提取爲我們要的http……
*
* "\"http?(.*?)(\"|>|\\s+)" : 獲取src中 "" 圖片地址的正則
*/
Matcher m = Pattern.compile("\"http?(.*?)(\"|>|\\s+)").matcher(img); 
m.find();
String url = m.group()
img_url.add(url.substring(1, url.length()-1));

運行，得到的結果如下：

可以看出，直接光禿禿的圖片地址裸露在臉前，可以直接用了

最後貼出完整代碼：
 

    /**
    * regex：獲取<img src="">標籤的正則（"<img.*?>"）
    * string：提取圖片標籤的內容
    * isDistinguish：是否區分大小寫
    */
    public static List<String> getMatchString(String regex, String string, boolean isDistinguish){
        List<String> pics = new ArrayList<>();
        Pattern compile = null;
        if (isDistinguish){
            compile = Pattern.compile(regex);
        }else{
            compile = Pattern.compile(regex, Pattern.CASE_INSENSITIVE);
        }
        Matcher matcher = compile.matcher(string);
        while (matcher.find()){
            String img = matcher.group();
//            pics.add(img); // 如果只需要標籤，那到這一步就可以了，如果直接需要圖片URL，copy代碼到最後
            /**
            * reg_html_img_src_http: 獲取src中 "" 圖片地址的正則("\"http?(.*?)(\"|>|\\s+)")
            * 
            * 獲取標籤中src的正則表達式（"src\\s*=\\s*\"?(.*?)(\"|>|\\s+)"）
            */
            Matcher m = Pattern.compile(reg_html_img_src_http).matcher(img);
            m.find();
            String group = m.group();
            pics.add(group.substring(1, group.length() - 1));
        }
        return pics;
    }