正则表达式多行与HTML代码？

Question

如何使用正则表达式提取以下内容？

String string = "<h1>1st header</h1>" + "<h2>second header</h2>" +
"<p>some text</p>" + "<hr />";

Pattern p = Pattern.compile("</h1>(\\S+)<hr />", Pattern.MULTILINE);

输出为空，但为什么？

Answer 1

输出为空，因为</h1>和<hr />之间的字符包含空格。一旦遇到空格，您的\S+就会失败。

如果您将\\S+替换为.+，它应该会捕获高度具体的示例字符串中的所有内容。但是，如果您愿意这样做“ “，并且能够匹配不完全适合您的示例的任意HTML，使用像HTML Agility Pack这样的HTML解析器。基于解析器的版本将变得简单，正确，并且不会endanger your sanity and/or the universe.

Answer 2

正则表达式\ S +与“某些文本”之间的空格不匹配。另外，don't use regex to parse HTML if you value your sanity。