java - 正则表达式多行与html代码？

Question

如何使用正则表达式提取以下内容？

String string = "<h1>1st header</h1>" + "<h2>second header</h2>" +
"<p>some text</p>" + "<hr />";

Pattern p = Pattern.compile("</h1>(\\S+)<hr />", Pattern.MULTILINE);

输出为空，但为什么呢？

Answer 1

输出为空，因为 和 之间的字符</h1>包含<hr />空格。\S+一旦遇到空格，您将失败。

如果您替换\\S+为 ，.+它应该会捕获您高度具体的示例字符串中的所有内容。但是，如果您想“正确”执行此操作，并且能够匹配不完全适合您的示例的任意 HTML，请使用HTML Agility Pack之类的 HTML 解析器。基于解析器的版本将简单、正确，并且不会危及您的理智和/或宇宙。

Answer 2

正则表达式 \S+ 将不匹配“某些文本”之间的空格。此外，如果您重视 sanity，请不要使用正则表达式来解析 HTML。