本文实例讲述了java正则匹配HTML中a标签里的中文字符。分享给大家供大家参考，具体如下：
今天群里一位朋友问到了一个正则表达式的问题，有如下内容：
特432 453543 a1特123你好123吗？ 特2 标签中的文字
现在要匹配出内容包含中文但标签的属性中不包含comment的标签中的汉字。
解决思路如下：
1、首先匹配出不包括comment的标签；
2、在匹配结果中进行二次匹配出中文；
代码如下：
package com.mmq.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class MatchChineseCharacters {
public static String matchChineseCharacters(String source) {
//匹配出包含中文但不包含comment的标签
String reg = "([^<>]*?[\u4e00-\u9fa5]+[^<>]*?)+(?=)";
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(source);
StringBuilder character = new StringBuilder();
while(matcher.find()){
String result = matcher.group();
System.out.println(result);
//对结果进行二次正则，匹配出中文字符
String reg1 = "[\u4e00-\u9fa5]+";
Pattern p1 = Pattern.compile(reg1);
Matcher m1 = p1.matcher(result);
while(m1.find()){
character.append(m1.group());
}
//System.out.println(character.toString());
}
return character.toString();
}
public static void main(String[] args) {
String result = matchChineseCharacters("特432453543a1特123你好123吗？特2标签中的文字");
System.out.println(result);
}
}
输出结果如下：
a1特123你好123吗？ 标签中的文字 特你好吗标签中的文字
这里做一下解释：
String reg = "([^<>]*?[\u4e00-\u9fa5]+[^<>]*?)+(?=)";
这个匹配内容包含中文但标签的属性中不包含comment的标签的正则中，不能使用向后查找?<=，因为向后查找只能是固定长度的内容，这里标签中属性不确定，所以不能使用；[\u4e00-\u9fa5]+匹配中文字符串；而(?=)使用向前查找?=，在结果中不会包含结束标签。
这个问题就这样得到解决了。如果说要匹配指定标签中的指定内容，那么也是很容易改进的了。若有更好的正则，还请留言相互学习。
PS：这里再为大家提供2款非常方便的正则表达式工具供大家参考使用：
Javascript正则表达式在线测试工具：
http://tools.jb51.net/regex/javascript
正则表达式在线生成工具：
http://tools.jb51.net/regex/create_reg
希望本文所述对大家java程序设计有所帮助。
