我正在尝试从各种博客中获取一些 HTML，并注意到不同的提供商以不同的方式使用相同的标签。
例如，这里有两个使用元名称生成器标签不同的主要提供商：
<meta content='blogger' name='generator'/>内容在前，名称在后，是的，单引号！） <meta name="generator" content="WordPress.com" />名称在前，内容在后）有没有办法提取所有情况下的内容值（单/双引号，行中的第一个/最后一个）？
PS虽然我使用的是Java，但如果它通常用于正则表达式，答案可能会帮助更多的人。
答案是：不要使用正则表达式。
严重地。使用 SGML 解析器，或者如果您碰巧知道它是有效的 XML（可能几乎从不正确），则使用 XML 解析器。你绝对会搞砸并浪费大量时间试图把它做好。只需使用已有的。
实际上，您可能应该使用某种 HTML 解析器，您可以在其中检查页面 DOM 中的每个节点（以及节点属性）。我已经有一段时间没有使用这些了，所以我不知道利弊，但这里有一个列表http://java-source.net/open-source/html-parsers
根据 XHTML 标准，这些差异并不重要。
换句话说，它们是完全相同的东西。
此外，如果将双引号替换为单引号将是相同的。
“规范化” xml 文档的典型方法是使用一些将文档视为其 Infoset 表示的 API 对其进行削减。DOM 和 SAX 风格的 API 都以这种方式工作。
如果您想手动（或使用 RegEx）解析它们，则必须在代码中复制所有这些内容，在我看来，这是不切实际的。
注意：根据W3C HTML 规范，单引号（即使没有引号，如果值不包含空格）也是有效的。引用：
默认情况下，SGML 要求使用双引号（ASCII 十进制 34）或单引号（ASCII 十进制 39）分隔所有属性值……在某些情况下，作者可以指定不带引号的属性值。
另外，不要忘记属性的顺序可以颠倒，其他属性也可以出现在标签中。
您可能想试一试 Java 的HTMLEditorKit。很容易尝试查看解析是否提供了您正在寻找的内容。
好的，既然您正在寻找与语言无关的内容，那么您可以尝试类似 REGEX/<meta\s.*content=.*>/并从中获取结果并解析出您正在寻找的特定值。我绝不是 REGEX 专家，所以可能有更好的方法，但在使用http://www.codehouse.com/webmaster_tools/regex/上的工具时，我匹配了您提供的两个字符串。
如果您必须使用正则表达式，这里有一个正则表达式来获取内容部分：
content\s*=\s*['"].*?['"]
返回
content = "blogger"
和
content='Worpress.com'
分别。我不是正则表达式专家，但是当在regexpal中给出您的示例时，它会得到那些。
一旦你明白了，你可以得到引号之间的所有内容，无论你选择什么，无论是另一个正则表达式（这在当时是不道德的）还是只是循环字符。
如果您使用 java，您可能想查看tagsoup，这是一个符合 SAX 的解析器，用于“[解析] HTML，因为它是在野外发现的”。