Question

我正在制作一个使用webview显示存储的HTML数据的Android应用程序。现在，我试图解决的问题是在搜索某些用户输入字符串时如何忽略HTML / CSS等标签/元素。我的数据库已经是110MB，我认为使用另一个只有文本而没有HTML的字段只会为数据库增加更多的大小。正则表达式也很昂贵，可能不可靠。

还有其他办法吗？

Answer 1

也许您可以在查询记录中对程序进行额外过滤。您可以使用Jsoup之类的HTML解析器来删除HTML标记，然后您可以搜索剩余的文本。使用Jsoup的简单Java示例：

List<String> records = ... // your queried records - potential results
List<String> results = new ArrayList<String>();
for(String r : records) {
    Document d = Jsoup.parse(r); // parse HTML
    String text = d.text(); // extract text
    if (text.contains(searchTerm)) { // or do your search here
        results.add(r);
    }
}
return results; // you got real results here

这可能不是最佳解决方案，但可以选择。我认为它也很昂贵，但比正则表达式（你试图避免）更可靠。

更新：正则表达方式

我认为在提取时删除HTML标记的唯一方法是使用regex in SQLite。例如，以下模式应该用于匹配HTML标记之外的字符串：

(^|>)[^<]*(searchterm)[^<]*(<|$)

在以下示例文本中，它仅匹配第1个，第3个和第4个searchterm而不是第2个：

searchterm <tag searchterm> searchterm </tag> searchterm

您可以在行动here中看到它。

在SQLite中，您可以这样使用正则表达式：

WHERE column-name REGEXP 'regular-expression'

仅在SQLite中忽略HTML标记和搜索文本

1 个答案: