Question

我正在尝试使用正则表达式来从类似

的字符串中提取数据

<B Att="text">Test</B><C>Test1</C>

提取的输出需要是Test和Test1。这就是我到目前为止所做的事情：

public class HelloWorld {
    public static void main(String[] args)
    {
        String s = "<B>Test</B>";
        String reg = "<.*?>(.*)<\\/.*?>";
        Pattern p = Pattern.compile(reg);
        Matcher m = p.matcher(s);
        while(m.find())
        {
            String s1 = m.group();
            System.out.println(s1);
        }
    }
}

但这会产生结果<B>Test</B>。谁能指出我做错了什么？

Answer 1

三个问题：

您的测试字符串不正确。
您需要在群组中使用非贪婪的修饰符。
您需要指定所需的组（组1）。

试试这个：

String s = "<B Att=\"text\">Test</B><C>Test1</C>"; // <-- Fix 1
String reg = "<.*?>(.*?)</.*?>";                   // <-- Fix 2
// ...
String s1 = m.group(1);                            // <-- Fix 3

你也不需要逃避正斜杠，所以我删除了它。

在ideone上看到它正在运行。

（另外，不要使用正则表达式来解析HTML - 使用HTML解析器。）

Answer 2

如果您正在使用eclipse，那么有一个很好的插件可以帮助您检查正则表达式，而无需编写任何类来检查它。这是链接： http://regex-util.sourceforge.net/update/ 您需要通过选择Window - ＆gt;来显示视图。显示视图 - ＆gt;其他，而不是Regex Util

我希望它能帮助你与正则表达式作斗争

Answer 3

看起来你正试图在XML和/或HTML上使用正则表达式。我建议不要使用正则表达式，而是创建一个解析器或词法分析器来处理这种类型的安排。

Answer 4

我认为处理XML节点的最佳途径只是将其视为XML。

如果你真的想坚持regex尝试：

<B[^>]*>(.+?)</B\s*>

了解您将始终获得B代码的价值。

或者，如果您想要任何标签的值，您将使用以下内容：

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

用于在标记之间提取数据的Java正则表达式

4 个答案: