javaを用いて、google画像検索のhtmlソースから検索結果の元画像のURLを抽出したいと考えています。
html
1<div class="rg_meta">{"clt":"n","id":"MmgO33PpzDqCZM:","isu":"lovelive.bushimo.jp","itg":0,"ity":"png","oh":420,"ou":"https://s3-ap-northeast-1.amazonaws.com/lovelive.bushimo.jp/wp-content/uploads/2017/04/52c78a43dff06a2d4ce5f0f24aebf8c8.png","ow":839,"pt":"ラブライブ!スクールアイドルフェスティバル \u2013 スクフェス » 西木野真 ...","rid":"NjZEXBzYheTqVM","rmt":0,"rt":0,"ru":"https://lovelive.bushimo.jp/%E8%A5%BF%E6%9C%A8%E9%87%8E%E7%9C%9F%E5%A7%AB%E8%AA%95%E7%94%9F%E6%97%A5%E9%99%90%E5%AE%9A%E5%8B%A7%E8%AA%98%E5%AE%9F%E6%96%BD%E3%81%AE%E3%81%8A%E7%9F%A5%E3%82%89%E3%81%9B%EF%BC%81%EF%BC%81/","s":"真姫_トリミング","sc":1,"st":"ラブライブ!","th":159,"tu":"https://encrypted-tbn0.gstatic.com/images?q\u003dtbn:ANd9GcQ_1h1x2KbUKqeZ_aDMXU3foqVQnI-8kR1rqyaQaEM-vzkiagFP","tw":318}</div>
このようなhtml(一部ですが)から、"rg_metadata"の"ou"に記述された
"https://s3-ap-northeast-1.amazonaws.com/lovelive.bushimo.jp/wp-content/uploads/2017/04/52c78a43dff06a2d4ce5f0f24aebf8c8.png"
部分を取り出してリストに入れたいと考えて、
java
1final String regex = "rg_meta.+?\"ou\":\"(.+?)\""; 2Pattern pattern = Pattern.compile(regex); 3Matcher matcher = pattern.matcher(result); 4 5ArrayList<String> imageUrlList = new ArrayList<>(); 6 while (matcher.find()){ 7 imageUrlList.add(matcher.group(1)); 8}
このようなコードを書いたのですが、実際にはリストには何も追加されず、パターンマッチングがうまくいっていないようです。
おそらくregixの記述に問題があると思うのですが、間違いを教えて頂けないでしょうか?
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2017/06/08 03:57