我正在使用HTML标记，我需要解释HTML文档。这就是我需要实现的目标：
所以这是一个例子。想象一下，我有以下标记：
This <strong>is a</strong> message.
在此示例中，我们有一个包含35个字符的String序列，并标有strong标记。我们知道，HTML标记有一个开始和结束，如果我们将开始和结束标记解释为一系列字符，每个标记也有一个开始和结束（一个字符索引）。
同样，在前面的示例中，open / start标记的开始索引是5（从索引0开始），结束索引是13.相同的逻辑转到关闭标记。
现在，一旦我们删除了标记，我们就会得到以下结果：
This is a message.
问题：
我怎么能记住这个序列中我可以再次进入标记的地方？
例如，一旦删除了标记，我怎么知道我必须在X位置/索引中插入开始标记，并在Y位置/索引中插入结束标记...如下所示：
This is a message.
5 9
index 5 = <strong>
index 9 = </strong>
我必须记住，有可能找到以下情况：
<a>T<b attribute="value">h<c>i<d>s</a> <g>i<h>s</h></g> </b>a</c> <e>t</e>e<f>s</d>t</f>.
我需要在Java中实现 。我已经弄清楚如何获取文档中每个标记的开始和结束索引。为此，我使用正则表达式（Pattern和Matcher），但我仍然不知道如何再次正确插入标签（如上所述）。我想要一个有效的例子（如果可能的话）。它不一定是世界上最好的例子（最好的解决方案），但只是在任何情况下都能正常运行。
如果有人不理解我的问题，请评论我会做得更好。
提前致谢。
评论中的人说我不应该使用正则表达式来处理HTML。我不关心使用或不使用正则表达式来解决这个问题，我只是想解决它，无论如何（但当然，以最恰当的方式）。
我提到我正在使用正则表达式，但我不介意使用另一种呈现相同解决方案的方法。我读到XML解析器可能是解决方案。那是对的吗？是否有一个XML解析器能够完成我需要的所有这些？
再次，先谢谢。
我现在正在做这个版本来解释我的问题的适用性（如所提出的）。好吧，在我开始之前，我想说我正在尝试做的事情是我以前从未做过的事情，这不是我所在领域的事情，所以它可能不是最合适的方式。总之...
我正在开发一个网站，允许用户阅读内容但无法编辑内容（编辑或删除文字）。但是，用户仍然可以标记/突出显示内容的摘录（范围）（带有一些样式）。这是一个很大的摘要。
现在问题是如何做到这一点（在Java中）。在客户端，目前，我正在考虑使用TinyMCE来启用内容样式而不进行文本编辑。我可以将程式化的文本保存到数据库中，但这会占用大量空间，因为每个客户端都可以这样做，因为它们是很多客户端。因此，如果客户端标记段落的片段，则将段落保存在数据库中，以便系统中的每个客户端在内存方面都有点代价。
所以我想到只保存用户在数据库中做出的标记的范围（索引）。与所有需要样式的文本相比，保存几个数字要容易得多。例如，在这种情况下，我可以在表格中保存一行/记录：
这需要翻译/转换，从数据库到HTML，从HTML到数据库。设置转换器可能很容易（我猜），但我不知道如何获取索引（遵循此逻辑）。然后我们在问题开始时再次停止。
只是说清楚：
如果有人提供的解决方案会花钱，例如付费API，工具或类似的东西，很遗憾，这个选项对我来说是不可行的。对不起：/
以类似的方式，我知道使用JavaScript（客户端）进行此处理是理想的。事实证明，我没有专门的JavaScript团队，所以这需要在服务器端完成（不幸的是），这是用Java编写的。我只能使用JavaScript解决方案，如果它已经准备好，使用方便快捷。您是否知道任何现成的，易于使用的库可以以简单的方式完成它？它存在吗？
答案 0 :(得分：0)
您不能使用正则表达式来解析HTML。有关详细信息，请参阅this question（其中包括this rather epic answer以及其他一些有趣的答案），但HTML不是常规语言，因为它具有递归结构。
任何允许递归的语言都不是定义的，所以你不能用正则表达式解析它。
请注意，HTML是context-free languages（或者至少是pretty close to context-free）。另请参阅Chomsky hierarchy。