У меня есть класс Java, который должен извлекать содержимое URL-адреса в Интернете (возвращая XML) и применять к нему регулярное выражение (поведение определяется сторонними файлами, поэтому я не могу использовать DOM или SAX для анализаответ).Вот код:
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegExpTest {
public static void main(String[] args) {
try {
StringBuffer buffer = new StringBuffer();
URL url = new URL("http://api.themoviedb.org/2.1/Movie.search/en/xml/57983e31fb435df4df77afb854740ea9/Inglourious+Bastards");
HttpURLConnection conn = (HttpURLConnection)url.openConnection();
conn.connect();
InputStream input = conn.getInputStream();
for(int c = input.read(); c != -1; c = input.read())
buffer.append((char)c);
Pattern pattern = Pattern.compile("<movie>.*?<name>([^<]*)</name>.*?<id>([^<]*)</id>.*?</movie>", Pattern.DOTALL);
Matcher matcher = pattern.matcher(buffer);
for(int i = 1; i < (matcher.groupCount() + 1); i++) {
matcher.find();
String toReplace = matcher.group(i);
System.out.println(toReplace);
}
}
catch (Exception e) {
e.printStackTrace();
}
}
}
Его выходные данные для этого образца "Inglourious Basterds", а затем "22311", который является содержимым тега name в первом теге фильма и содержимым idтег в теге фильма second .Однако ленивый оператор должен гарантировать, что извлекаются только элементы в первом теге фильма.
Более того, следующий код в python, который в основном делает то же самое, работает ожидаемым образом.
import re
import urllib
url = urllib.urlopen("http://api.themoviedb.org/2.1/Movie.search/en/xml/"
"57983e31fb435df4df77afb854740ea9/Inglourious+Bastards")
m = re.search("<movie>.*?<name>([^<]*)</name>.*?<id>([^<]*)</id>.*?</movie>",
url.read(), re.DOTALL)
print m.group(1), m.group(2)
Есть идеи, что не так с моим кодом?
Спасибо