java - 如何使用 Java Regex 删除文本中的标题？

Question

我正在开发一个项目，在该项目中我阅读了大量具有相似标题的文档。标题以相同的单词开头和结尾，但开头和结尾之间的单词可能不同。我正在尝试使用模式和匹配器来找到这些，但遇到了麻烦。这是我的代码:

Pattern docHeader = Pattern.compile("HEADER[ ]*:[.\\n\\t ]*header end");

因此标题大致如下所示:

HEADER:

random junk

random junk

header end

Document information start.

我试图在开始清理文本之前删除所有标题，以节省后端时间。但它从来没有找到我的模式。有建议吗？

Answer 1

您可以尝试此模式作为正则表达式解决方案:

Pattern docHeader = Pattern.compile("HEADER.*header end",Pattern.DOTALL);