正則表達式正則表達式Java字符串
[英]Regex regular-expression Java String
問題描述
我有代碼：
private static final Pattern TAG_REGEX = Pattern.compile("<p>(.+?)</p>");
private static List<String> getTagValues(final String str) {
final List<String> tagValues = new ArrayList<String>();
final Matcher matcher = TAG_REGEX.matcher(str);
while (matcher.find()) {
tagValues.add(matcher.group(1));
}
return tagValues;
}
System.out.println(Arrays.toString(getTagValues(stringText).toArray()));
我想從中得到：
"<html><head></head><body><p>Aa , aa.</p><p><b>Aa aa, aa.</b></p><p>Aa aa aa, aa.</p><p><i>Aa, aa.</i></p><p><b><i>B, b, b.</i></b></p><b>Aa aa, aa.</b></body></html>"
我只需要文本beetwen <p>和</p>
i want get only this:
"Aa aa Aa aa aa Aa aa aa aa Aa aa B b b"
但是我不知道我必須在Pattern.compile("");寫什么Pattern.compile(""); 有人幫忙嗎？
3 個解決方案
解決方案1
2 2017-02-21 18:11:06
我建議使用JSOUP解析器從HTML代碼中提取數據
1.）使用Jsoup.parse(string)函數將數據解析為Document 。
2.）將body標簽的數據作為Element 。
3.）使用element.text()獲取Element標簽的文本。
4.）您可以選擇使用replaceAll("\\\\s*[,.]\\\\s*","")刪除所有逗號和點並設置空格。
String stringText = "<html><head></head><body><p>Aa , aa.</p><p><b>Aa aa, aa.</b></p><p>Aa aa aa, aa.</p><p><i>Aa, aa.</i></p><p><b><i>B, b, b.</i></b></p><b>Aa aa, aa.</b></body></html>";
Document document =Jsoup.parse(stringText);
Element element=document.body();
String plain_String = element.text().replaceAll("\\s*[,.]\\s*"," ");
System.out.println(element.text()); // Actual text
System.out.println(plain_String); // Formatted text
輸出：
Aa , aa. Aa aa, aa. Aa aa aa, aa. Aa, aa. B, b, b.Aa aa, aa.
Aa aa Aa aa aa Aa aa aa aa Aa aa B b b Aa aa aa
下載Jsoup並將其添加為依賴項
\\\\s*[,.]\\\\s* ： \\\\s*匹配零個或多個空格
[,.] ：匹配[]表示中的任何字符,.
如果您堅持使用regex解決方案，請使用
1.）首先刪除所有不需要的字符，如,. 和帶有replaceAll("\\\\s*[.,]\\\\s*", " ")空格
2.）使用正則表達式<p[<>ib]*>([\\\\w\\\\s]+)<\\\\/[\\\\w]>和Pattern and Matcher在標簽之間查找文本
3.）將找到的文本追加到StringBuilder並顯示結果
碼
String str = "<html><head></head><body><p>Aa , aa.</p><p><b>Aa aa, aa.</b></p><p>Aa aa aa, aa.</p><p><i>Aa, aa.</i></p><p><b><i>B, b, b.</i></b></p><b>Aa aa, aa.</b></body></html>";
Pattern pattern = Pattern.compile("<p[<>ib]*>([\\w\\s]+)<\\/[\\w]>");
Matcher matcher = pattern.matcher(str.replaceAll("\\s*[.,]\\s*", " "));
StringBuilder builder = new StringBuilder();
while (matcher.find()) {
builder.append(matcher.group(1));
}
System.out.println(builder);
輸出：
Aa aa Aa aa aa Aa aa aa aa Aa aa B b b
解決方案2
0 已采納 2017-02-21 18:13:30
您不需要使用Pattern或Matcher，而是可以使用String替換：
str.replaceAll(".*?(<p>.*</p>).*", " $1 ").replaceAll(".*?<p>(.*?)</p>.*?", " $1 ").replaceAll("<[/az]+>", " ").replaceAll("[,.]", " ").replaceAll(" +", " ")
它看起來不漂亮，但是可以完成工作:)
解決方案3
0 2017-02-21 18:21:52
您可以嘗試以下方法：
String str = "<html><head></head><body><p>Aa , aa.</p><p><b>Aa aa, aa.</b></p><p>Aa aa aa, aa.</p><p><i>Aa, aa.</i></p><p><b><i>B, b, b.</i></b></p><b>Aa aa, aa.</b></body></html>";
String start = ">", end = "<";
String regexString = Pattern.quote(start) + "(.*?)" + Pattern.quote(end);
Pattern pattern = Pattern.compile(regexString);
Matcher matcher = pattern.matcher(str.replaceAll("[.,]", ""));
while (matcher.find()) {
if (!matcher.group(1).replaceAll("\\s{2,}", " ").trim().equals("")) {
System.out.print(matcher.group(1).replaceAll("\\s{2,}", " ") + " ");
}
}
這給您：
Aa aa Aa aa aa Aa aa aa aa Aa aa B b b Aa aa aa
正則表達式Java正則表達式以提取除最后一個數字以外的字符串
[英]Regex java a regular expression to extract string except the last number
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.