Weitere Programmbeispiele

// Matcher zum Herauslösen von <IMG>-Tags.
Matcher mImg    = Pattern.compile("(?id)<IMG\\s+(.*?)/?>").matcher(html);

// Matcher für die SRC-, WIDTH- und HEIGHT-Attribute innerhalb eines Tags.
Matcher mSrc    = Pattern.compile("(?ix)\\bSRC   =(\\S+)").matcher(html);
Matcher mWidth  = Pattern.compile("(?ix)\\bWIDTH =(\\S+)").matcher(html);
Matcher mHeight = Pattern.compile("(?ix)\\bHEIGHT=(\\S+)").matcher(html);

// Die erste Suche beginnt am Anfang des Strings.
int imgMatchZeiger = 0;
while (mImg.find(imgMatchZeiger)) {
   imgMatchZeiger = mImg.end(); // Vom Ende des letzten <IMG>-Tags aus weitersuchen.

  // Attribute innerhalb des eben gefundenen <IMG>-Tags suchen.
   Boolean hatSrc    =    mSrc.region( mImg.start(1), mImg.end(1) ).find();
   Boolean hatHeight = mHeight.region( mImg.start(1), mImg.end(1) ).find();
   Boolean hatWidth  =  mWidth.region( mImg.start(1), mImg.end(1) ).find();

  // SRC-Attribut gefunden, aber kein WIDTH- und/oder kein HEIGHT-Attribut ...
   if (hatSrc && (! hatWidth || ! hatHeight)) {

     java.awt.image.BufferedImage i = // Bild herunterladen.
         javax.imageio.ImageIO.read(new java.net.URL(mSrc.group(1)));

     String size; // Für die fehlenden WIDTH- und/oder HEIGHT-Attribute.
      if (hatWidth)
          // Breite vorhanden, Höhe unter Einhaltung des Seitenverhältnisses berechnen.
          size = "height='" + (int)(Integer.parseInt(mWidth.group(1)) *
                                     i.getHeight() / i.getWidth())  + "' ";
      else if (hatHeight)
          // Höhe vorhanden, Breite unter Einhaltung des Seitenverhältnisses berechnen.
          size = "width='"  + (int)(Integer.parseInt(mHeight.group(1)) *
                                    i.getWidth()  / i.getHeight()) + "' ";
      else // Weder Höhe noch Breite vorhanden; die wahren Dimensionen des Bilds einsetzen.
          size = "width='"  + i.getWidth()  + "' " +
                 "height='" + i.getHeight() + "' ";

      html.insert(mImg.start(1), size); // Attribute einfügen.
      imgMatchZeiger += size.length();  // Um die Anzahl der neuen Zeichen weiterschalten.
   }
}

Pattern pAmEnde   = Pattern.compile("\\G\\z");
Pattern pWort     = Pattern.compile("\\G\\w+");
Pattern pKeinHtml = Pattern.compile("\\G[^\\w<>&]+");
Pattern pImgTag   = Pattern.compile("\\G(?i)<img\\s+([^>]+)>");
Pattern pLink     = Pattern.compile("\\G(?i)<A\\s+([^>]+)>");
Pattern pLinkX    = Pattern.compile("\\G(?i)</A>");
Pattern pEntity   = Pattern.compile("\\G&(#\\d+|\\w+);");

boolean needClose = false;
Matcher m = pAmEnde.matcher(html); // Den Matcher können wir mit jedem Pattern erzeugen.

while (! m.usePattern(pAmEnde).find())
{
   if (m.usePattern(pWort).find()) {
      // Ein Wort oder eine Zahl in m.group() -- auf Obszönitäten usw. prüfen ...
   } else if (m.usePattern(pImgTag).find()) {
      // Ein IMG-Tag -- Inhalt auf Zulässigkeit prüfen ...
   } else if (! needClose && m.usePattern(pLink).find()) {
      // Ein Link -- den wir hier überprüfen können ...
      needClose = true;
   } else if (needClose && m.usePattern(pLinkX).find()) {
      System.out.println("/LINK [" + m.group() + "]");
      needClose = false;
   } else if (m.usePattern(pEntity).find()) {
      // Entities wie &gt; oder &#123; zulassen.
   } else if (m.usePattern(pKeinHtml).find()) {
      // Weder Wort noch Zahl noch HTML -- zulassen.
   } else {
      // Bis hier nichts erkannt; also ein Fehler. Wir holen ein Dutzend Zeichen aus dem
      // HTML-Text ab der aktuellen Position und geben damit eine Fehlermeldung aus.
      m.usePattern(Pattern.compile("\\G(?s).{1,12}")).find();
      System.out.println("Unerwartetes HTML vor '" + m.group() + "'");
      System.exit(1);
   }
}

if (needClose) {
   System.out.println("Kein </A> am Ende.");
   System.exit(1);
}

String regex = // Werte in Anführungszeichen landen in group(1), solche ohne in group(2).
    "  \\G(?:^|,)    \n"+
    "  (?:           \n"+
    "       # Entweder ein Feld in Anführungszeichen ...       \n"+
    "       \" # Öffnendes Anführungszeichen    \n"+
    "        (   [^\"]*+  (?: \"\" [^\"]*+ )*+  )      \n"+
    "       \" # Schließendes Anführungszeichen    \n"+
    "   |# ... oder ...          \n"+
    "       # Ein Feld ohne Kommas und Anführungszeichen.       \n"+
    "       ( [^\",]*+ ) \n"+
    "  )             \n";

// Ein Matcher für eine Zeile CSV-Daten, mit obiger Regex.
Matcher mMain = Pattern.compile(regex, Pattern.COMMENTS).matcher(zeile);

// Ein Matcher für "", der Suchtext ist irrelevant.
Matcher mQuote = Pattern.compile("\"\"").matcher("");

while (mMain.find())
{
    String feld;
    if (mMain.start(2) >= 0)
        feld = mMain.group(2); // Feld ohne Anführungszeichen, kann direkt verwendet werden.
    else
        // Feld mit Anführungszeichen; verdoppelte durch einzelne ersetzen.
        feld = mQuote.reset(mMain.group(1)).replaceAll("\"");
    // Wert aus dem Feld weiterverarbeiten.
    System.out.println("Feld [" + feld + "]");
}