Android中如何从HTML响应提取200状态码后的URL？

你的问题出在使用Jsoup解析后的document.text()来匹配正则——Jsoup在解析HTML时会自动清理、合并文本内容（比如去掉HTML标签、注释，压缩连续空白字符），这会破坏原始HTML中"200 + 长URL"的结构，导致正则匹配不到目标内容。

正确的做法是直接用接口返回的原始HTML字符串进行正则匹配，跳过Jsoup解析这一步（如果你不需要处理HTML结构的话）。

修改后的代码如下：

override suspend fun logInViaGoogle(): String? {
    return try {
        withContext(Dispatchers.IO) {
            val response = apiService.requestGoogleAuthWindow()
            if (response.isSuccessful) {
                val htmlContent = response.body()?.string() ?: return@withContext null
                Log.d("MyOwnUrlHtml", "html: $htmlContent")
                
                // 直接用原始HTML字符串提取URL，无需Jsoup解析
                val url: String? = extractUrlAfter200(htmlContent)

                Log.d("MyOwnUrl", url ?: "URL is null")
                url
            } else {
                null
            }
        }
    } catch (e: retrofit2.HttpException) {
        throw e
    } catch (e: Exception) {
        null
    }
}

fun extractUrlAfter200(htmlContent: String): String? {
    // 匹配"200"后面的URL，允许200和URL之间有多个空格/制表符
    val pattern = "200\\s+(https?://\\S+)".toRegex(RegexOption.DOT_MATCHES_ALL)
    val matchResult = pattern.find(htmlContent)
    return matchResult?.groups?.get(1)?.value
}

关键修改点： #

• 移除了Jsoup解析步骤，直接传入原始htmlContent给提取方法
• 正则表达式调整为200\\s+(https?://\\S+)，\\s+匹配一个或多个空白字符（包括空格、制表符），避免因为空格数量导致匹配失败
• 添加RegexOption.DOT_MATCHES_ALL，确保.可以匹配换行符（如果200和URL不在同一行的话）

如果你的目标URL确实存在于原始HTML中，这种方法应该能准确提取到。如果还是匹配不到，可以检查htmlContent的日志，确认"200"和目标URL的具体格式，再微调正则表达式。

内容的提问来源于stack exchange，提问作者Alex20280