使用正则表达式匹配一个网页中的所有超级链接

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class WebPageContentInput {
    /**
     * 文件存储路径
     */
    private String filePath = null;
    /**
     * 无参构造器
     */
    public WebPageContentInput() {
    }

    /**
     * 接收客户端传来的文件存储路径</br>
     * 
     * @param filePat 文件存储路径</br>
     */
    public WebPageContentInput(String filePath) {
        this.setFilePath(filePath);
    }

    public void setFilePath(String filePath) {
        this.filePath = filePath;
    }

    public String getFilePath() {
        return this.filePath;
    }

    /**
     * 在控制台输入所有http://和https://开头的链接</br>
     * 
     * @throws Exception
     *             　所有文件操作类的对象执行操作时抛出的异常，这里统一由方法抛出</br>
     */
    public void printContent() throws Exception {
        /**
         * 取得文件路径，实例化文件类对象</br>
         */
        File file = new File(this.getFilePath());
        /**
         * 通过上面的文件类对象声明并实例化字节输入流对象</br>
         */
        InputStream in = new FileInputStream(file);
        /**
         * 通过字节输入流声明并实例化bufferedReader类对象，</br>
         * bufferedReader类的构造器的不接受字节输入流对象，</br> 所以应该使用转换流把字节输入流转换为字符输入流。</br>
         *这里需要声明编码方式，否则正文会乱码。</br>
         */
        InputStreamReader isr = new InputStreamReader(in,"gbk");
        BufferedReader buf = new BufferedReader(isr);
        /**
         * 临时接受BufferedReader类对象读取到内存中的内容</br>
         */
        String str = null;
        
        Pattern p = null;
        Matcher m = null;
        /**
         * 循环读取文件内容，直到读到文件末尾</br>
         */
        while ((str = buf.readLine()) != null) {
            String regex = "<a.*?/a>";  
            p = Pattern.compile(regex);
              m = p.matcher(str);
              while(m.find()){
                  /*For a matcher m with input sequence s,
                   *  the expressions m.group() and s.substring(m.start(), m.end()) 
                   *  are equivalent.*/
                  System.out.println(m.group());
              }
        }
        System.out.println("******************************************");
        System.out.println("finished!
Congratulations!");
        /**
         * 关闭所有文件操作类对象</br>
         */
        buf.close();
        in.close();
    }

}

测试一下：

/**
 * 
 *题目：使用正则表达式匹配一个网页中的所有超级链接，</br>
 *并输出所有的链接(或者将链接保存在文件中)</br></br>
 *
 *程序设计思路：
 *1.先下载一个网页，保存到本地；</br>
 *2.使用文件操作连接这个网页；</br>
 *3.使用输入流把文件内容输入到程序中；</br>
 *4.使用整行读取的方式逐行读取文件内容：如果这行字符串中含有链接则输出到控制台；</br>
 *5.关闭文件。</br>
 *
 *我在编写这程序时，输入流使用的是InputStream类的子类BufferedReader，</br>
 *因为这个子类有每次读取文件整行字符串的方法，而字符流和字节流都没有；</br>
 *而且，在读取的过程中，如果使用的是字节流或字符流，在获得完整的“链接子串”上有些不方便；</br>
 *另外，因为对于每一步文件操作，都需要处理异常，为了使代码更加简洁，</br>
 *我直接把所有的异常由执行筛选操作的方法抛出，再由调用者处理异常。</br></br>
 *
 *消耗时间：4h
 *
 *结果：能完整的截取所有的链接；
 * @author fzh
 *
 */
public class GetResult {
    public static void main(String[] args){
        /**
         * 文件存储路径
         */
        String filePath = "/home/fzh/jquery.html";
        WebPageContentInput wpct = new WebPageContentInput(filePath);
        /**
         * WebPageContentInput类的printContent()方法抛出的异常，在这里捕获。</br>
         */
        try{
            wpct.printContent();
        }catch(Exception e){
            e.printStackTrace();
        }
    }
}