java - 删除两个字符之间的子字符串（java）

Question

我有一个这样的java字符串：

String string = "I <strong>really</strong> want to get rid of the strong-tags!";

我想删除标签。我还有一些其他字符串的标签更长，所以我想找到一种方法来删除“<>”字符之间的所有内容，包括那些字符。

一种方法是使用将字符串与正则表达式进行比较的内置字符串方法，但我不知道如何编写这些方法。

Answer 1

在使用正则表达式解析 HTML 时建议小心（由于其允许的复杂性），但是对于“简单”HTML 和简单文本（没有文字<或>其中的文本），这将起作用：

String stripped = html.replaceAll("<.*?>", "");

Answer 2

为了避免正则表达式：

String toRemove = StringUtils.substringBetween(string, "<", ">");
String result = StringUtils.remove(string, "<" + toRemove + ">"); 

对于多个实例：

String[] allToRemove = StringUtils.substringsBetween(string, "<", ">");
String result = string;
for (String toRemove : allToRemove) {
  result = StringUtils.remove(result, "<" + toRemove + ">"); 
}

Apache StringUtils函数是 null-、empty- 和非匹配安全的

Answer 3

你应该使用

String stripped = html.replaceAll("<[^>]*>", "");
String stripped = html.replaceAll("<[^<>]*>", "");

where<[^>]*>匹配以 开头的子字符串<，然后是零个或多个字符以外>的字符（或除<and以外的字符，>如果您选择第二个版本），然后是一个>字符。

注意<.*?>

• 比否定字符类效率低（请参阅哪个更好的非贪婪正则表达式或否定字符类？）
• 找不到跨多行的子字符串（请参阅如何在正则表达式中匹配跨多行的任何字符？），但可以使用(?s)<.*?>, <(?s:.)*?>,<[\w\W]*?>和许多其他效率不高的变体来解决。

请参阅正则表达式演示。