Hallo,

Ich habe ein HTML Quellcode mit einem select-Tag. Darin sind mehrere option-Tags, und hier muss ich den letzten Tag auswählen und den Wert rausparsen.

Aber mein Regex will einfach nicht klappen

Das ist ein Auschnitt aus dem HTML:

HTML-Code:

<select name="offlinePeriod" class="listbox">
								
	<option value="0" selected="selected">01-Aug-2009 till 31-Aug-2009</option>
								
	<option value="1">01-Sep-2009 till 30-Sep-2009</option>
								
	<option value="2">01-Oct-2009 till 31-Oct-2009</option>
								
	<option value="3">01-Nov-2009 till 30-Nov-2009</option>
								
	<option value="4">01-Dec-2009 till 31-Dec-2009</option>
								
	<option value="5">01-Jan-2010 till 31-Jan-2010</option>
								
	<option value="6">01-Feb-2010 till 28-Feb-2010</option>
								
	<option value="7">01-Mar-2010 till 31-Mar-2010</option>
								
	<option value="8">01-Apr-2010 till 30-Apr-2010</option>
								
	<option value="9">01-May-2010 till 31-May-2010</option>
								
	<option value="10">01-Jun-2010 till 30-Jun-2010</option>
								
	<option value="11">01-Jul-2010 till 31-Jul-2010</option>
								
	<option value="12">01-Aug-2010 till 31-Aug-2010</option>
								
	<option value="13">01-Sep-2010 till 30-Sep-2010</option>
								
	<option value="14">01-Oct-2010 till 31-Oct-2010</option>
								
	<option value="15">01-Nov-2010 till 30-Nov-2010</option>
								
	<option value="16">01-Dec-2010 till 31-Dec-2010</option>
								
	<option value="17">01-Jan-2011 till 31-Jan-2011</option>
								
	<option value="18">01-Feb-2011 till 28-Feb-2011</option>
								
	<option value="19">01-Mar-2011 till 31-Mar-2011</option>
								
	<option value="20">01-Apr-2011 till 30-Apr-2011</option>
								
	<option value="21">01-May-2011 till 31-May-2011</option>
								
	<option value="22">01-Jun-2011 till 30-Jun-2011</option>
							
	<option value="23">01-Jul-2011 till 31-Jul-2011</option>
								
	<option value="24">01-Aug-2011 till 31-Aug-2011</option>
								
</select>

Und ich brauche draus nun den Wert des letzten option-Tags, also 24!

So sieht mein Regex aus:

Code :

1	<option value=\"([0-9]{2})\">.*?<\\/option>\\s*<\\/select>

Aber das wird nichts bei mir. Kann mir jemand beim Regex aushelfen, oder kennt jemand eine Java-Libary für den Umgang mit HTML?

Code java:

1 2 3 4 5 6

Pattern p = Pattern.compile("<option value=\"([0-9]+)\">.*?</option>\\s*</select>", Pattern.MULTILINE); Matcher m = p.matcher(html);   if(m.find()) {     System.out.println(m.group(1)); }

Edit: Jetzt sehe ich erst, dass dein Ausdruck identisch ist :-D

Ich hab's zwar jetzt geschafft, das ist aber nicht die Musterlösung die ich wollte.

Würde gerne eine elegantere Lösung haben, falls das jemand schaftt würde ich mich sehr freuen!

Code java:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

// Zuerst nach dem select-Block suchen             String periodRegex = "<select name=\"offlinePeriod\" class=\"listbox\">(.*?)<\\/select>";             Pattern p = Pattern.compile(periodRegex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL);             Matcher m = p.matcher(content);               if (m.find()) {                 String periodString = m.group(1).trim();                 // Danach nach dem letzten option-Tag suchen                 String optionRegex = "<option[^>]+value=\"([0-9]+)\"[^>]+>([^>]+)<\\/option>$";                   p = Pattern.compile(optionRegex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL);                 m = p.matcher(periodString);                   if(m.find()) {                     String period = m.group(1);                     return;                 }             }

Hallo,

wie wärs denn mit XPath anstatt eines Regex?

Code java:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

package de.tutorials.training;   import java.io.InputStream;   import javax.xml.xpath.XPathExpressionException; import javax.xml.xpath.XPathFactory;   import org.xml.sax.InputSource;   public class HtmlDomElementExtraction {     public static void main(String[] args) throws Exception {         String xpath = "(//select[@name='offlinePeriod' and @class='listbox']/option)[last()]/text()";         InputStream htmlResource = HtmlDomElementExtraction.class.getClassLoader().getResourceAsStream("test.html");                 String result = evaluateXPath(xpath, htmlResource);                 System.out.println("Result: " + result);     }       private static String evaluateXPath(String xpath, InputStream htmlResource)             throws XPathExpressionException {         return XPathFactory                 .newInstance()                 .newXPath()                 .compile(xpath)                 .evaluate(                         new InputSource(htmlResource));     } }

Well-formed (x)HTML kann man auch mit den normalen XML Java Boardmitteln (DOM/SAX/StAX Parser) verarbeiten.

Für nicht well-formed HTML kannst du auch javax.swing.text.html.HTMLDocument oder (besser) eine der hier gelisteten libs verwenden:
http://java-source.net/open-source/html-parsers

Gruß Tom