Question

我有一个HTML结束标记的白名单（br，b，i，div）： -

String whitelist = "([^br|^b|^i|^div])";
String endTagPattern = "(<[ ]*/[ ]*)" + whitelist + "(>?).*?([^>]+>)";
...
html = html.replaceAll(endTagPattern, "[r]");

我的测试String会移除那些不在白名单中的人的结束标记，在这种情况下，为了清楚起见，将其替换为[r]： -

1. <b>bold</b>, 2. <i>italic</i>, 3. <strong>strong</strong>, 4. <div>div</div>, 5. <script lang='test'>script</script>
1. <b>bold</b>, 2. <i>italic</i>, 3. <strong>strong[r], 4. <div>div</div>, 5. <script lang='test'>script[r]

如果我将strong添加到此白名单

String whitelist = "([^br|^b|^i|^div|^strong])";

它不仅与strong结束标记不匹配，还会停止匹配结束script标记或其他任何标记。

我的问题是，为什么？

Answer 1

原因是你正在使用一个字符类。在字符类中，除了处理字符范围外，字符的顺序并不重要。

因此，[^br|^b|^i|^div|^strong]实际上将匹配除以下字符之外的任何字符：

bridvstrong|^

[请注意|和^也是如此。

您可以使用[^bridvstrong|^]并且行为方式相同。

你可能会看一下负向前瞻。

Answer 2

String whitelist = "([^br|^b|^i|^div])";

使用[]创建一个字符类。我认为你写了这个，所以你可以使用^作为“not”，但是字符类在这里是不合适的。在方括号内，|并不代表“或”;它只是一个文字管道角色。撰写div与字 div不匹配，它会匹配三个字符之一，d，i或{{1 }}。否定这意味着“匹配除v，d或i之外的所有内容。

该白名单实际上等同于v - 它匹配的单个字符不是[^bdirv|\^]，b，d，i，{{1 }}，r或v。

如果您想排除某些匹配项，您需要的是negative lookahead。如果没有方括号，您可以按照预期的方式使用^作为“或”运算符。

为什么正则表达式只在其他人出现时才匹配字符串？

2 个答案: