0

输入 ：

<tag>Testing different formatting options in </tag><tag class="classA classB">Text</tag><tag class="classC">Class C text</tag>

预期输出：

<tag>Testing different formatting options in </tag><tagA><tabB>Text</tagA></tagB><tagC>Class C text</tag>

基本上，标签被基于“类”中的属性的标签替换。即，如果属性具有 classA 属性，则标签将被 tagA 替换，如果 classB 属性也存在，则标签还将包括 tagB 等等。

尝试：

    final String TAG_GROUPS = "<tag class=\"(.*)\">(.*)</tag>";
    Pattern pattern = Pattern.compile(TAG_GROUPS);
    Matcher matcher = pattern.matcher(inputString);

我得到的输出找不到匹配的标签。特别是声明

    String classes = matcher.group(1);

给出字符串classA classB">Text</tag><tag class="classC">Class C text</tag. 模式匹配器找不到匹配的标签。我是正则表达式的初学者，我想知道问题的正确模式。任何帮助表示赞赏。

4

3 回答 3

2

你应该使用贪婪的正则表达式："<tag class=\"(.*?)\">(.*)</tag>". 否则.*匹配任何字符，包括</tag>.

但总的来说，我同意人们的观点，即这不是使用正则表达式解析 XML 的最佳实践。请改用 XML 解析器。

于 2013-01-16T17:03:47.983 回答
1

虽然您可以使用正则表达式来定位开始标签并解析类，但无法生成嵌套标签作为输出。有关详细信息，请参阅此答案。

您可以做的是编写自己的简单 HTML 解析器，但 HTML 解析起来非常混乱。或者换一种说法：看看我的声誉，然后考虑如果没有充分的理由（比如有人付给我一百万美元），我不会尝试它。

请改用HTML Tidy等真正的 HTML 解析器。

于 2013-01-16T17:03:13.957 回答
1

当你使用*它时，它会尝试吸收所有可能的字符（贪婪）。

如果你想让它.*匹配不太可能的字符，你必须使用惰性匹配*?。

所以你的正则表达式得到：

<tag class=\"(.*?)\">(.*?)</tag>

以上，是简单的方法。但不一定是最佳方式。惰性匹配比贪婪更慢，如果可以的话，你必须尽量避免它。例如，如果您估计您的代码将是正确的（如果没有关闭标签，则不会破坏标签等）最好使用否定类而不是.*?. 例如，您的正则表达式可以写成：

<tag class="([^"]*)">([^<]*)</tag>

Witch 对于正则表达式引擎更有效（尽管并非总是可以将惰性匹配转换为否定类）。

当然，如果您试图解析一个完整的 html 或 xml 文档，您必须进行许多不同的更改，最好使用 xml (html) 解析器。

于 2013-01-16T17:14:45.370 回答