如何使用正則表達式從字符串中排除 substring 的出現？

Question

我在下面兩個forms中有一個字符串輸入。

1.

<!--XYZdfdjf., 15456, hdfv.4002-->
<!DOCTYPE

2.

<!--XYZdfdjf., 15456, hdfv.4002
<!DOCTYPE

如果遇到表單 2 並且不匹配表單 1，我想返回一個匹配項。因此，基本上我想要一個正則表達式，它可以任意接受<!--和<!DOCTYPE之間的所有字符，除非出現-->介於兩者之間。

我正在使用模式、匹配器和 java 正則表達式。 根據 Pattern.compile() 專用的正則表達式尋求幫助

提前致謝。

Answer 1

Pattern p = Pattern.compile("(?s)<!--(?:(?!-->).)*<!DOCTYPE");

(?:(?.-->).)*一次匹配一個字符，在檢查它不是-->的第一個字符之后。

(?s)設置 DOTALL 模式（又名單行模式），允許. 匹配換行符。

如果可能有兩個或多個匹配項，並且您想單獨查找它們，則可以將*替換為非貪婪*? ，像這樣：

"(?s)<!--(?:(?!-->).)*?<!DOCTYPE"

例如，將該正則表達式應用於問題文本將找到兩個匹配項，而原始正則表達式將找到一個更長的匹配項。

Answer 2

這似乎很容易通過使用String.contains()解決：

if (yourHtml.contains("-->")) {
    // exclude
} else {
    // extract the content you need
    String content = 
        yourHtml.substring("<!--".length(), yourHtml.indexOf("<!DOCTYPE"));
}

我覺得你看得太遠了。

Answer 3

\<!--([\s\S](?!--\>))*?(?=\<\!DOCTYPE)

這使用負前瞻來防止-->和正前瞻來查找<!DOCTYPE Here's a good reference for atomic assertions (lookahead and behind) 。

Answer 4

我沒有方便的測試系統，所以我不能給你正則表達式，但你應該在 Pattern 文檔中查看稱為negative lookahead assertion的東西。 這使您可以表達以下形式的規則：如果沒有后跟，則匹配此。

它應該可以幫助你:)

Answer 5

正則表達式可能不是您問題的最佳答案。 您是否嘗試過將第一行與其他所有內容分開並查看它是否包含--> ？

具體來說，類似：

String htmlString;
String firstLine = htmlString.split("\r?\n")[0];
if(firstLine.contains("-->"))
    ;//no match
//match