有很多时候会有这样的需求，获取一个网页中图片的路径，在Java中，可以使用Pattern类、Matcher类，配合正则表达式来获取一个字符串中需要的特定内容。
首先来看一下网页中一个<img>标签所处的位置，例如：String content =“<html>…<div><img alt =’xxx’ src=’yyy’><img alt=’xxx’ src=’mmm’></div></html>”，其中img标签可能的格式为 <img>或<IMG>，标签结束方式可能为<img … > 或者 <img … />或者<img …></img> ；为了代码有更好的鲁棒性，所以在匹配文本的时候，这些情况都需要考虑到。
我的具体思路就是，先获取到img 标签的内容，然后对获取到的内容进行二次匹配，从而获取到一个图片地址列表。这里边最核心的地方就在于两次匹配的正则表达式。以获取上边的content中的地址为例：
String content ="<html>...<div><img alt ='xxx' src='yyy'><img alt='xxx' src='mmm'></div></html>"
List<String> srcList = new ArrayList<String>(); //用来存储获取到的图片地址
Pattern p = Pattern.compile("<(img|IMG)(.*?)(>|></img>|/>)");//匹配字符串中的img标签
Matcher matcher = p.matcher(content);
boolean hasPic = matcher.find();
if(hasPic == true)//判断是否含有图片
{
while(hasPic) //如果含有图片，那么持续进行查找，直到匹配不到
{
String group = matcher.group(2);//获取第二个分组的内容，也就是 (.*?)匹配到的
Pattern srcText = Pattern.compile("(src|SRC)=(\"|\')(.*?)(\"|\')");//匹配图片的地址
Matcher matcher2 = srcText.matcher(group);
if( matcher2.find() )
{
srcList.add( matcher2.group(3) );//把获取到的图片地址添加到列表中
}
hasPic = matcher.find();//判断是否还有img标签
}
}
System.out.println("匹配到的内容："+srcList);在这里面最为核心的部分就是正则表达式的书写，因为它是负责把我们的思想转化为一个具体规则去匹配字符串。在第一次匹配img标签的时候，正则表达式是“<(img|IMG)(.*?)(>|></img>|/>)” ，其中（ ）是用来分组的，也就是把匹配到的内容分成几个部分。在使用Matcher类来获取匹配到的分组数据时，匹配到的整个字符串默认为第0组，所以自己定义的组别要从第一组算起。
其中 <(img|IMG) 部分是第1组，可以匹配到img标签的开始 。
(.*?) 是第2组，可以匹配到img标签内的其他内容，它的含义就是匹配以任意字符开始的一个字符串。？表示非贪婪模式匹配，默认是贪婪模式，贪婪模式会匹配到最长的内容，也就是在img标签开始和结束的中间包含多个img标签。
(>|></img>|/>) 部分是第3组，用来匹配img标签的结束。
