Question

我正在尝试用Java编写正则表达式，以从<select>的开头和select </>标记的结尾删除所有内容，如下所示。我写了一个正则表达式来删除从<start>标签开始的所有内容，如下所示。问题是除了第四行<select name="first" ... the popular之外，它正在按预期删除所有内容。它会删除该行中的所有内容，并忽略下一行and ... president"/>中的内容。我想要包括从开始和结束标记的所有内容。我怎么能这样做？

str.replaceAll(".*<start.*", "");

实际的String str的内容如下所示：

<select name="id" content="2454803.html"/>
<select name="nameid" content="2454803"/>
<select name="type" content="prd"/>
<select name="first" content="In 2004, Charlie, the popular 
and charismatic senator , became the first president"/>
<select name="title" content="Charlie"/>
<h1>
<!--toc:insert content="checkbox" id="_1_0"/>-->
</h1>
<p class="tocline"><a href="2454803">Table of Contents</a></p>

Answer 1

正如所提到的评论，你真的不应该使用正则表达式。但是，问题是默认情况下正则表达式中的点字符与换行符不匹配。你必须在正则表达式的开头加入（？s）来实现它。所以：

str.replaceAll("(?s)<select.*?/>", "");

Answer 2

根据Java文档，Pattern.html#lt：

正则表达式.匹配除行终止符之外的任何字符，除非指定了DOTALL标志。

行终止符含义：

换行符（换行符）（'\n'），

回车符后面紧跟换行符（"\r\n"），

一个独立的回车符（'\r'），

下一行字符（'\u0085'），

行分隔符（'\u2028'）或

段落分隔符（'\u2029）。

指定DOTALL标志的最简单方法是将(?s)添加到正则表达式的开头。还需要进行一些更改以适应此标志，因此最终正则表达式将为(?s)<select.*?>\r?\n?，应用为

str.replaceAll("(?s)<select.*?>\\r?\\n?", "");

此处示范：http://regex101.com/r/bW8aR7

或者，您可以使用正则表达式<select[^>]*>\r?\n?，如下所示：

str.replaceAll("<select[^>]*>\\r?\\n?", "");

此处示范：http://regex101.com/r/lO6mQ6

Answer 3

我认为你的陈述是

str.replaceAll(".*<select.*", "");

不是

str.replaceAll(".*<start.*", "");

您需要忽略<select

之前和之后的所有内容

这样的东西会获取标签名称（<

之后的任何内容

(?<=\<)start(?=(.*))

或者您可以使用

抓取<start

(?<=.)\<start(?=(.*))

用于删除特定HTML标记的正则表达式

3 个答案: