在Java 8中提取字符串中的<img>标签并收集至List

从字符串中提取所有标签到List的实现方法 #

核心思路 #

利用Matcher的循环匹配能力，通过find()方法遍历所有符合正则的结果，将每个匹配到的<img>标签存入List即可。

修正正则表达式 #

你当前的正则存在转义冗余问题，调整为正确的Java正则字符串："<img.*?>"（匹配从<img开始到最近的>结束的完整标签，符合你要求的从<img src="到">的范围）。如果需要严格匹配以<img src="开头的标签，可以用"<img src=\".*?\">"。

完整实现代码 #

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ImgTagExtractor {
    public static void main(String[] args) {
        final String regex = "<img.*?>"; // 或严格匹配src开头："<img src=\".*?\">"
        final String string = "Hello World <img src=\"https://dummyimage.com/300.png/09f/777\"> \nMy Name <img src=\"https://dummyimage.com/300.png/09f/ff2\"> Random Text\nHello\nHello Random <img src=\"https://dummyimage.com/300.png/09f/888\"> \nMy Name <img src=\"https://dummyimage.com/300.png/09f/2ff\">adaad\n";

        final Pattern pattern = Pattern.compile(regex);
        final Matcher matcher = pattern.matcher(string);
        
        // 用于存储所有匹配到的img标签
        List<String> imgTags = new ArrayList<>();
        
        // 循环查找所有匹配项
        while (matcher.find()) {
            imgTags.add(matcher.group()); // 获取当前匹配的完整标签并加入List
        }
        
        // 测试输出结果
        for (String tag : imgTags) {
            System.out.println(tag);
        }
    }
}

关键步骤说明 #

1. 初始化List：创建ArrayList<String>来存储提取到的标签。
2. 循环匹配：调用matcher.find()，该方法会逐个查找字符串中的匹配项，找到时返回true，直到没有匹配项为止。
3. 收集结果：每次find()返回true时，用matcher.group()获取当前匹配的完整字符串，添加到List中。

注意事项 #

• 如果你的标签存在复杂嵌套（比如属性值包含转义引号），正则可能无法准确匹配，这种情况下建议使用HTML解析库（如Jsoup）来处理，避免正则的局限性。
• Pattern.MULTILINE模式在这里不需要，因为你的匹配逻辑不依赖行首行尾（^或$），可以去掉。

内容的提问来源于stack exchange，提问作者Nitin Kumar