正则表达式+ Java - 从标签中提取不起作用！

Question

以下内容包含HTML文件（输入）的内容

input = input.replaceAll(".*?<span class=\"xgui.*?\">(.*?)</span>.*?", "<cite>$1</cite>");

想法是删除span元素并保留内容。请注意，span的类可以是xgui 任何。但是，代码无效。

它吐出了这个：

 <h4><span class="xguiitem">Primary</span> field </h4>

哪个与输入相同;也就是说，它根本没有做任何事情。

有什么想法吗？

谢谢：）

Answer 1

不要使用regexp来操纵HTML。它可能适用于某些情况，但您尝试使用正则表达式解析无上下文语法。 XSLT是这里的方式。

Answer 2

作为开始注释（也在评论中提到）：请不要使用正则表达式解析任意HTML。

然而，如果你事先知道html结构，并且你有一个非常具体的任务，你可以用正则表达式替换它。

在你的情况下，表达式几乎正常。只是关于表达式开头和结尾的.*?的评论：

• .*?在任何时候都不会匹配任何东西，因为它不会比没有匹配任何东西都不合适。
开头的
• .*?会匹配从开始到实际<span...的任何内容，因为早期开始的匹配总是比任何非贪婪都高。

因此，您可以摆脱它们并使用以下

input = input.replaceAll("<span class=\"xgui.*?\">(.*?)</span>", "<cite>$1</cite>");

Answer 3

我不明白为什么你有那些“？”到处都可以试试：

input = input.replaceAll(".*<span class=\"xgui.*\">(.*)</span>.*", "<cite>$1</cite>");