我有一个程序，可以根据同一文档中没有html信息的信息对html格式的文档进行文本处理。我基本上，在未格式化的文档中找到一个单词或短语，然后在格式化的文档中找到相应的单词，并使用HTML标签改变单词或短语的外观，使其突出（例如加粗或更改其颜色）。
这是我的问题。偶尔，我想对可能是html标签一部分的单词或短语进行格式化（例如，我可能想对单词“font”进行一些格式化，但前提是不是html标签内的单词） 。有没有一种简单的方法可以检测字符串是否是文本块中html标记的一部分？
顺便说一句，我不能只删除文档中的html标签并对剩余的文本进行处理，因为我需要在结果中保留html。我需要添加到现有的html，但我需要可靠地区分作为标记的一部分的字符串和不是的字符串。
有什么想法吗？
谢谢，
埃利奥特
答案 0 :(得分：1)
你可以做一些事情
第一种可能是最快最简单的，但第二种更可靠。
答案 1 :(得分：0)
使用以下正则表达式代码检测它是否包含HTML标记：“\＆lt;。*？\＆gt;”
并且here您可以学习如何在Java代码中有效地使用正则表达式。 快乐的编码;）
答案 2 :(得分：0)
如果您正确地解析了DOM，那么您拥有的是什么。然后询问包含当前标记的super标记，并继续这样做，如果这不是标记，则表示您正在寻找。
如果您使用某些自定义搜索或正则表达式来解析html，请检查此问题的最佳答案：
RegEx match open tags except XHTML self-contained tags （由于某种原因，它有+4000支票）