在很多博客系统中，做SEO 都需要涉及到内链，下面主要介绍使用java替换部分关键字（怎样中文分词，有空再写写）的代码。

SEO 内链，把富文本原文：

//原文 假设 建筑为关键字String source = "<p alt='建筑设计'>建筑很美，建筑很烂" +"<br/>"+"建筑很美，<a href=\"http://www.baidu.com/建筑\" title='优秀的建筑'>优秀的建筑</a>" +"建筑人，建筑社区" +"<img src='http://www.baidu.com/建筑' alt='优秀的建筑'></img>" +"</p>" +"<p>" +"<a href='http://www.baidu.com/建筑' title='优秀的建筑'>优秀的建筑</a>" +"<img src='http://www.baidu.com/建筑' alt='优秀的建筑'></img>" +"建筑很美，建筑很烂</p><a>baidu建筑真的不错</a>";

转换成我们希望的目标：

  //目标String target = "<p alt='建筑设计'><a>建筑</a>很美，<a>建筑</a>很烂" +"<br/>" +"<a>建筑</a>很美，<a href=\"http://www.mahoooo.com/建筑\" title='优秀的建筑'>优秀的建筑</a>" +"<a>建筑</a>人，<a>建筑</a>社区" +"<img src='http://www.mahoooo.com/建筑' alt='优秀的建筑'></img>" +"</p><p>" +"<a href='http://www.mahoooo.com/建筑' title='优秀的建筑'>优秀的建筑</a>" +"<img src='http://www.mahoooo.com/建筑' alt='优秀的建筑'></img>" +"<a>建筑</a>很美，<a>建筑</a>很烂</p><a>mahoooo建筑真的不错</a>";

通过原文和想要得到的目标比对，可以总结出：

1. 不想替换掉html 标签里面的文字，例如： src='http://www.baidu.com/建筑', alt='建筑设计'
2. 不希望替换掉<a href='http://www.baidu.com/建筑' title='的建筑'>优秀的建筑</a> text中的内容，既：优秀的建筑

通过上述分析（经过多种正则表达式测试，各种弯路，尝试过使用jsoup等工具类，中文分词保持<a>标签等方法）：

public static void main(String[] args) {
//        String regex = "(?=(<a.*?>(.*?)</a>))";//原文String source = "<p alt='建筑设计'>建筑很美，建筑很烂" +"<br/>"+"建筑很美，<a href=\"http://www.baidu.com/建筑\" title='优秀的建筑'>优秀的建筑</a>" +"建筑人，建筑社区" +"<img src='http://www.baidu.com/建筑' alt='优秀的建筑'></img>" +"</p>" +"<p>" +"<a href='http://www.baidu.com/建筑' title='优秀的建筑'>优秀的建筑</a>" +"<img src='http://www.baidu.com/建筑' alt='优秀的建筑'></img>" +"建筑很美，建筑很烂</p><a>baidu建筑真的不错</a>";//目标String target = "<p alt='建筑设计'><a>建筑</a>很美，<a>建筑</a>很烂" +"<br/>" +"<a>建筑</a>很美，<a href=\"http://www.mahoooo.com/建筑\" title='优秀的建筑'>优秀的建筑</a>" +"<a>建筑</a>人，<a>建筑</a>社区" +"<img src='http://www.mahoooo.com/建筑' alt='优秀的建筑'></img>" +"</p><p>" +"<a href='http://www.mahoooo.com/建筑' title='优秀的建筑'>优秀的建筑</a>" +"<img src='http://www.mahoooo.com/建筑' alt='优秀的建筑'></img>" +"<a>建筑</a>很美，<a>建筑</a>很烂</p><a>mahoooo建筑真的不错</a>";//        String regex = "<[^a].*?>.*?<";//主要考虑html标签里面的属性 value值不能替换，和<a>标签text()不能替换，// 例如：匹配 src="***" 和 <a href=''>建筑<//之后就排除匹配段，其他都可以替换关键字String regex = "([\\w]+(='.*?'))|([\\w]+(=\".*?\"))|(<a.*?>.*?<)";Pattern p = Pattern.compile(regex);// 获取 matcher 对象Matcher m = p.matcher(source);//保存结果StringBuffer result = new StringBuffer();//上一个结束位置int lastEnd = 0;//是否匹配while (m.find()) {System.out.println("text:" + m.group());System.out.println("start: " + m.start() + "end:" + m.end());//提取没有匹配段，替换关键字并拼接result.append(source.substring(lastEnd,m.start()).replaceAll("建筑", "<a>建筑</a>"));//拼接匹配段result.append(source.substring(m.start(), m.end()));//作为下一个未匹配段的开始下标lastEnd = m.end();}//最后未匹配段result.append(source.substring(lastEnd).replaceAll("建筑", "<a>建筑</a>"));System.out.println("result:" + result.toString());}