正则表达式帮助-清理空白-Java

Question

我正在尝试以合理的方式查看HTML文件的文本。 在删除所有标记并仅保留可见文本之后，我获得了一个类似于以下内容的字符串：

\n\n\n\n \n\n\n \n\n \n Title here \n\n\n \n\n \n\n Menu Item 1 \n\n \n\n Menu Item 2 \n\n\n \n\n you get the       point.

我想使用String.replaceAll(String regex, String regex)用"\\n\\n"替换包含两次以上\\n所有空白子字符串。

有任何想法吗？

**编辑：**

抱歉，缺乏精确度。 我想将以上文本更改为：

\n\nTitle here\n\nMenu Item 1\n\nMenu Item 2\n\nyou get the       point.

我希望任何仅包含空格且包含两个以上换行符的子字符串都可以由"\\n\\n"替换。

Answer 1

str.replaceAll("\\s*\n\\s*\n\\s*\n\\s*", "\n\n")

这将替换任何包含2 \\n以上\\n空白子字符串，并将其替换为\\n\\n 。

我经常使用的Java regex参考位于此处 。 它将帮助您将来构建正则表达式。

Answer 2

另外一个选项：

  str.replaceAll("(?m)\\s*$", "\n").replaceAll("\n{3,}", "\n\n");

这效率较低（两次替换），但对我来说却干净得多-易于理解和修改。 第一次替换在许多情况下很有用（并且可能在您之前的清洁工作中），它可以确保每行都没有尾随空格，并且具有普通的\\n终止符。 第二个明确表达了您的目标。