Question

我正在尝试在标记<dev>Text Here</dev>：

之间插入文本

<div id="tt" class="info">
  Text Here
</div>

Output: Text Here

如何在java中使用正则表达式实现此目的？感谢。

修改

我正在使用HtmlUnit：

 currentPage.getElementById("tt").asXml();

 currentPage.getElementById("tt").asText(); // returns ""

Answer 1

别。使用正确的解析器并且只是拉出你感兴趣的元素要容易得多。使用正则表达式非常困难。

Answer 2

永远不要尝试使用正则表达式解析XML或HTML。

这在理论上是不可能的：XML和HTML的语法是一种比正则表达式可以处理的语法更丰富的语法。
无论如何，你会弄错，原因与理论上的限制无关：你需要考虑太多的细微差别，如空白，CDATA部分，评论等。
并不缺少免费的现成解析器，可以正常，快速地完成工作。

Answer 3

如果是HTML，你试图解析或尝试Jsoup，http://watchitlater.com/blog/2010/09/jsoup-beautifulsoup-for-java/

Answer 4

你可以使用正则表达式，只要你不介意完全按照你说的做（也可能不是你的意思）：

在字符串上尝试regexp <div.*>(.*)</div>：

<div id="tt" class="info">
    <a href="../link.htm>Clicky</a>
</div>

您将获得值<a href="../link.htm>Clicky</a>，而不是您想要的值Clicky。由于XML可以无限制地嵌套，因此正则表达式无法与它们匹配，除非您做出某些牺牲（例如您想要容纳的每个级别的手动编码）。

Answer 5

使用正则表达式，您可以使用以下内容：

String s = "<div id=\"tt\" class=\"info\">\n  Text Here   \n</div>";
System.out.println(s);
Pattern p = Pattern.compile("<div id=\"tt\" class=\"info\">\\s*([^<]+?)\\s*</div>", Pattern.DOTALL);
Matcher m = p.matcher(s);
if (m.find()) {
    System.out.println(m.group(1));  // Text Here
}

但是，更好的解决方案是使用JTidy将HTML解析为XHTML，然后使用XPath（//div[@id = 'tt']/text()）提取所需的文本。这些方面的东西：

public static void main(String[] args) throws Exception {
    // Create a new JTidy instance and set options
    Tidy tidy = new Tidy();
    tidy.setXHTML(true); 

    // Parse an HTML page into a DOM document
    URL url = new URL("http://something.com/something.html");       
    Document doc = tidy.parseDOM(url.openStream(), System.out);

    // Use XPath to obtain whatever you want from the (X)HTML
    XPath xpath = XPathFactory.newInstance().newXPath();
    XPathExpression expr = xpath.compile("//div[@id = 'tt']/text()");
    String text = (String)expr.evaluate(doc, XPathConstants.STRING);
    System.out.println(text); // Text Here
}

用于解析xml的正则表达式问题

5 个答案: