java - Java regexp 复杂模式

Question

我有一个这样的字符串（由 HTML 源代码制成）：

<tr>
  <td>
    <tr>First</tr>
  </td>
</tr>
<tr>
  <td>Second</td>
</tr>
<tr>
  <td>
    <tr>
      <td>Upper</td>
    </tr>
    <tr>
      <td>Lower</td>
    </tr>
  </td>
</tr>

但是在一行中-我将其分开以使其看起来更好。我想要实现的是一个正则表达式，它将捕获该表的整行，因此匹配项是：

<td>
  <tr>First</tr>
</td>

,

<td>Second</td>

,

<td>
  <tr>
    <td>Upper</td>
  </tr>
  <tr>
    <td>Lower</td>
  </tr>
</td>

最简单的选项：

• <tr>.*</tr>- 抓住一切
• <tr>.*?</tr>- 从第一个<tr>到第一个</tr>。

我希望它捕获相应的标签。有人可以帮忙吗？

Answer 1

你可以使用 html 解析引擎jsoup并运行类似这样的东西来从你的表中提取行

String url = "a.html";
Document doc = Jsoup.connect(url).get();

Elements rows = doc.select("table tr");