java - 从 html 字符串中删除一些段落

Question

我有一个字符串，它是一系列 html 段落，我想删除（使用 String 的方法 replaceAll）包含单词“UPDATE”的段落，通常它们是这种形式：

<p><a href="blabla">(UPDATE)<a></p>

但可能还有其他，例如一些强大的部分。由于普通段落几乎不可能包含确切的单词“UPDATE”，我只想找到一个正则表达式，它可以找到包含该单词的段落并将其删除

replaceAll("regex","");

你能帮我找到“正则表达式”部分吗？我对正则表达式一点也不擅长......

Answer 1

我想这就是你要找的。您需要使用 .*? 而不是 .* 因为这会迫使搜索变得懒惰而不是贪婪。

public class Test {

    public static void main(String[] args) {
        String haystack = "<p><a href='bla'>(UPDATE)</a></p><p><a href='bla'><strong>(UPDATE)</strong></a></p><p><a href='bla'><strong>(Non uppercase 'update' to show this match is exact)</strong></a></p><p><a href='bla'><strong>This does not contain the word you're looking for</strong></a></p>";
        String regex = "<p>.*?(UPDATE).*?</p>";

        String result = haystack.replaceAll(regex, "");
        System.out.println("Result: " + result);
    }
}