我如何使用StringUtils或Regular Expression解析它

Question

我目前面临的问题

<a href="<a href="http://www.freeformatter.com/xml-formatter.html#ad-output" target="_blank">http://www.freeformatter.com/xml-formatter.html#ad-output</a>">Links</a>

从我正在使用的服务返回。如您所见，这不是有效的HTML。有没有人知道任何工具或正则表达式可以帮助我删除内部标记，将其更改为：

<a href="http://www.freeformatter.com/xml-formatter.html#ad-output">Links</a>

编辑： 该服务并不总是返回freeformatter.com网站。它可以返回任何网站

Answer 1

如果标签中的网址或内容发生变化，您可能希望使用更通用的模式：

(<a\\shref=\"\\w.+\")\\s.+>\"(.+</a>)

这基本上将你想要的字符串部分捕获到两个组中;然后可以将其重新组合成一个字符串。这是一个有效的例子：

<强> http://ideone.com/TbOvVa

Answer 2

在Java中：

String s = "<a href=\"<a href=\"http://www.freeformatter.com/xml-formatter.html#ad-output\" target=\"_blank\">http://www.freeformatter.com/xml-formatter.html#ad-output</a>\">Links</a>;

（你需要在程序中以某种方式将其保存为字符串）

然后：

s = s.replace("<a href=\"", "");
String[] pcs = s.split("http://www.freeformatter.com/xml-formatter.html#ad-output</a>\">");
s = pcs[0] + pcs[1];
s = s.replace(" target=\"_blank\"", "");

在完成所有这些处理后，您将获得正确的参考。

Answer 3

抓住第一个href =＆＃34; with .substring（0,8） 然后使用.split（＆＃34; \＆＃34;＆gt;＆＃34;，1）并在索引1处使用结果数组。

Answer 4

解决方案1 ​​

只需使用括号()捕获的正则表达式的分组功能。使用Matcher.group()方法获取匹配的组。

查找＆gt;之间的所有匹配项和＆lt;并根据您的需要进行组合。

这是正则表达式模式>([^\">].*?)<。请查看debuggex和regex101

上的演示

模式描述：

.       Any character (may or may not match line terminators)
[^abc]  Any character except a, b, or c (negation)
X*?     X, zero or more times (Reluctant quantifiers)
(X)     X, as a capturing group

了解更多关于

的信息

• Java Regex Pattern

• Regex Groups and capturing

示例代码：

String string = "<a href=\"<a href=\"http://www.freeformatter.com/xml-formatter.html#ad-output\" target=\"_blank\">http://www.freeformatter.com/xml-formatter.html#ad-output</a>\">Links</a>";

Pattern p = Pattern.compile(">([^\">].*?)<");
Matcher m = p.matcher(string);

while (m.find()) {
    System.out.println(m.group(1));
}

输出：

http://www.freeformatter.com/xml-formatter.html#ad-output
Links

---

解决方案2

使用String#replaceAll()正则表达式模式尝试使用(</a>)[^$]|([^^]<a(.*?)>)方法。

模式说明：用双引号替换不在最后的</a>和不在开头的<a.*?>。

在regex101和debuggex

上查找演示

此正则表达式的图示：

示例代码：

String string = "<a href=\"<a href=\"http://www.freeformatter.com/xml-formatter.html#ad-output\" target=\"_blank\">http://www.freeformatter.com/xml-formatter.html#ad-output</a>\">Links</a>";

System.out.println(string.replaceAll("(</a>)[^$]|([^^]<a(.*?)>)", "\""));

输出：

<a href="http://www.freeformatter.com/xml-formatter.html#ad-output">Links</a>