Java（Android）正则表达式去除HTML段落

Question

我有一个Android应用程序，它从外部XML源获取一些数据。我从其中一个XML元素中删除了一些HTML，但它的格式为：

<p class="x">Some text...</p>
<p>Some more text</p>
<p>Some final text</p>

我想提取中段文字，我该怎么做？正则表达式会是最好的方式吗？我真的不想开始包含外部HTML解析库。

Answer 1

RegEx match open tags except XHTML self-contained tags

所以，我会问一个包含链接答案的问题：您是否尝试过使用XML解析器？

你也可以从其他一些答案中得到一些想法，但我会尽量避免使用正则表达式。正如Macarse建议的那样，如果可以，请在服务器上清理它。如果没有，将这三个<p>元素包装在一个根元素中，并使用SAX或其他东西解析它，注意第二段元素。

Answer 2

如果这很简单，那就做一个正则表达式。

如果您从您拥有的外部源获取XML，我会在那里解析它。

Answer 3

刚刚进行拆分：http://developer.android.com/reference/java/lang/String.html#split(java.lang.String)

"</p><p>"上的

并且返回数组中的第二个条目实际上很快就会这样做

Answer 4

正则表达式可能类似于：.*?>(.*?)<.* 您可以通过在Matcher对象上调用group（1）来访问分组内容。

Answer 5

如果您要解析从网站下载的XML文件，那么与Android无关。