Question

对于非常特定类型的子序列，我经常面临从XHTML文档中删除标记等要求。（一个不允许使用String.replaceAll()）。通常它的模式${randomTextAndHTMLorJavascript}但是一个常量是它总是一个带有大量垃圾的任意标签，后面跟着它的结束标签。没有标签嵌套！

我的问题是，除了手动操作Matcher对象之外，是否有人知道更高级别的抽象。在过去，我做过这些替换：

将问题作为数组副本处理，我在其中使用StringBuilder对象并使用Matcher.start(int)和Matcher.end(int)方法来复制目标组。输入String。这有效，但感觉就像C，而不是Java。
执行循环，我使用开始标记查找第一个标记，并将match1.group()的结果作为第二个Matcher的输入来捕获结束标记，然后使用{ {1}}来处理输入字符串本身的替换。这有一个缺点，需要调用Matcher.replaceFirst()强制重新分析。（我只将它用于一次性脚本或者如果输入集保证很小的话。）
Matcher.reset()在一个代码上，替换它，除非与String.split()匹配，并使用match1重新构建字符串。针对表示结束标记序列的标记运行第二个StringBuilder，并在追加之前执行Matcher。
我也尝试过使用String.replaceAll()方法，但对于像Java这样的语言来说仍然感觉太低了。

理想的是这样的方法签名：

StringBuilder.deleteCharAt()

最终，我希望在Java中替换正则表达式匹配组，而无需使用组/数组偏移。

Answer 1

对于XHTML（或其他XML）文档，一个（更多）更高级别的抽象将是XSL转换。它们比正则表达式更具表现力和强大功能，即使你做具有内部结构来应对它们也能发挥作用。

或者如果你想让逻辑更接近Java，那么为什么不在替换字符串中使用反向引用：

Pattern pat = Pattern.compile("(<p>keep )(stuff I don't want)( this</p>)");
Matcher m = p.matcher(input);

// Replace matches to the pattern with the same thing less "stuff I don't want":
String output = m.replaceAll("$1$3");

我知道你说你不能使用replaceAll()，但我不清楚为什么你不能通过这个完成你在（1）中所描述的内容（例如）方法

当然，反向引用也适用于Matcher.replaceFirst()，String.replaceAll()和String.replaceFirst()。

已编辑添加：

如果你想迭代地逐步完成，在匹配过程中做更多的事情，那么你应该研究Matcher.appendReplacement()（你也可以使用反向引用）和Matcher.appendTail()。

没有匹配组偏移操作的Java Regex组替换

1 个答案: