删除带有正则表达式的标签之间的文本

Question

我试图删除标签之间的文本并将标签添加到String数组中。

例如： ＆LT; tag1＆gt;＆lt; tag2＆gt;删除此＆lt; / tag2＆gt;＆lt; / tag1＆gt;

我正在逐行阅读文本文档并添加每个标记，打开或关闭数组，没有文本，但我遇到了麻烦。

我有String [] tags = text.nextLine（）。split（“”）;但我不确定正则表达式应该是一个数组[tag1，tag2，/ tag2，/ tag1]

谢谢！

Answer 1

你可以这样写：

String[] tags = text.nextLine().split("(?:^|>)[^<]*(?:<|$)");

但使用真正的XML解析器可能更安全。请注意，如果有任何评论<!-- ... -->或处理说明<? ... ?>或诸如此类，或者其中一个标记包含>（例如，<span title='12 > 11'>），则上述内容会出现异常，或者在其他各种情况下。正则表达式不是解析XML的好工具。

---

编辑添加：为了避免第一个元素为空，您可以进行一些预处理以去除第一个标记之前的所有内容，并相应地调整split：

String[] tags = text.nextLine().replaceFirst("^[^<]*<?").split(">[^<]*(?:<|$)");

（注意：如果text.nextLine()根本不包含任何标签，那么这将导致一个带有一个空元素的数组。如果你想摆脱它，你可以做到上面的第二步：

if(tags.size == 1 && tags[0].isEmpty())
    tags = new String[0];

）

Answer 2

XML不是常规语言，因此无法仅使用正则表达式进行解析。那是计算机科学的基础。你正在使用错误的工具。

我知道这是一项学生练习，学生有时会设置像用大锤敲打坚果一样的任务，但任何计算机专业人员的反应仍然是那不是那种方法。