Question

我想通过仅提取<form> ... </form>来解析HTML字符串。所有其他东西都不需要，我可以删除它。

今天我有一些助手可以通过replaceAll特殊标记内容删除，例如：

    /** remove form */
    String newString  = string.replaceAll("(?s)<form.*?</form>", "");

(?s)<form.*?</form>

删除form个标签。但我反之亦然，删除除form以外的所有内容。

我该如何解决？

请参阅我的Gskinner示例

Answer 1

尝试以下代码。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Client {

    private static final String PATTERN = "<form>(.+?)</form>";
    private static final Pattern REGEX = Pattern.compile(PATTERN);

    private static final boolean ONLY_TAG = true;

    public static void main(String[] args) {

        String text = "Hello <form><span><table>Hello Rais</table></span></form> end";
        System.out.println(getValues(text, ONLY_TAG));
        System.out.println(getValues(text, !ONLY_TAG));

    }

    private static String getValues(final String text, boolean flag) {
        final Matcher matcher = REGEX.matcher(text);
        String tagValues = null;
        if (flag) {
            if (matcher.find()) {
                tagValues = "<form>" + matcher.group(1) + "</form>";
            }

        } else {
            tagValues = text.replaceAll(PATTERN, "");
        }
        return tagValues;
    }
}

您将获得以下输出

<form><span><table>Hello Rais</table></span></form>
Hello  end

Answer 2

以下代码将为您提供所需内容的方向：

 String str = "<html><form>test form</form></html>";
 String newString  = str.replaceAll("[^<form</form>]+|((?s)<form.*?</form>)", "$1");  
 System.out.println(newString);

除了java中的特殊标记之外，如何从HTML中删除所有内容？

2 个答案: