可能的重复项：
正则表达式匹配开放标签，但 XHTML 自包含标签除外
我有一个包含大约 2000 行的文件，如下所示：
<nobr> <a href="../Carbon_Monoxide_Poisoning_Prevention.htm"><b>poisoning - prevention</b></a></nobr><br>
<nobr> <a href="../Carbon_Monoxide_Symptoms.htm"><b>symptoms</b></a></nobr><br>
1.） URL 始终采用../foo.html的形式
2.） 显示名称有时用<b> ... </b>标签括起来，有时不括起来。
3.） 文件中的每一行最多包含四个 ，我需要将其计数并标记为空格。这些最终将用于格式化缩进，所以我需要以某种方式捕获信息。
我需要在分隔的平面文件中具有超链接，显示名称和空格名称的数量，如下所示（基于上述数据）：
../Carbon_Monoxide_Poisoning_Prevention.htm,poisoning - prevention,4
../Carbon_Monoxide_Symptoms.htm,symptoms,4
.虽然我可以通过一大堆字符串、子字符串和 if 语句来解析它，但这似乎比它需要的更麻烦。我正在研究正则表达式（我第一次这样做），但对某些语法有点不清楚;我最了解的是与我的应用程序类似的代码示例，但无法找到任何非常适合的示例。
任何帮助将不胜感激！
只能抓取一件事、一次抓取所有 URL、显示名称或空格。我不会使用正则表达式来执行此操作，但是如果我绝对必须使用正则表达式，我将如何做到这一点：
要在一行中抓取网址：../.*.html?
要获取显示名称：(?<=("|b)>)[a-ZA-Z].+?(?=(</(a|b)))
要抓住空格（简单地）：
我将首先按 <br> 标签拆分文件以获取各个行。然后运行上面的正则表达式以提取 url、显示名称和空格，并将它们组合成一个分隔的输出。我确信Java有一个等效preg_match_all来匹配找到的所有模式（对于空格和计数它们很有用）
请注意，这些模式是在Sublime Text中测试的，如果不进行一些调整，可能无法在Java中工作。如果需要，我可以稍后修改我的答案以包含 Java，但对于像这样的一次性事情，您可能最好使用 Python 或其他一些脚本语言。
祝你好运！
如果需要对事物进行任何计数作为输出，您不应该（也可能不能）使用正则表达式。一般来说，如果你试图做的事情是由算法描述的，你应该对它进行编程。 如果您尝试执行的操作被描述为"我正在寻找一个看起来像......的字符串/子字符串......"正则表达式可能是个好主意。
我不会说正则表达式，但你可以通过使用脚本语言来避免编写整个程序。Bash/Perl/Powershell/等中有一些工具似乎更适合您的目的。然后，您仍然可以使用 grep 等工具来利用与其他工具、数据结构、条件等混合的正则表达式的强大功能。 此外，如果您要使用繁重的 HTML，您可以管道或调用一些工具，以使您的生活更轻松。
正则表达式解析HTML是不合适的，因为它不是常规语言。这要问多少次？除了正则表达式不是编程语言之外，您不能执行所需的计数和簿记，它们用于匹配常规语言中的模式。
有些人在遇到问题时会想"我知道，我会用 正则表达式。现在他们有两个问题。——杰米·扎温斯基
正则表达式是专门的工具，它们不是敲打每个看起来像String的钉子的锤子，需要模式匹配或搜索或以其他方式操纵。
杰夫·阿特伍德（Jeff Atwood）对正则表达式的优缺点进行了很好的讨论，如果您对它们了解不多，请在尝试使用它们之前阅读他要说的话。
正则表达式将是解决这个问题的正确方法。以及字符串分词器（用于计算空格）。不过，您将不得不使用子字符串作为在原始字符串中移动的一种方式。
以下是一些关于模式和分词器的链接（包含示例）