Regulärer Ausdruck für HTML select-Tag

[zer0]

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:

<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:

<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?

 

[CPoly]

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

 

[zer0]

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!

            // 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;
                }
            }

 

[Thomas Darimont]

Hallo,

wie wärs denn mit XPath anstatt eines Regex?

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