java - 如何在 xml 标记之间提取多语言字符串

Question

我正在尝试提取 xml 标记之间的文本。标签之间的文本是多语言的。例如:

<string xmlns="http://schemas.microsoft.com/2003/10/Serialization/">
    तुम्हारा नाम क्या है
</string>

我试着用谷歌搜索它并得到了一些正则表达式，但那没有用这是我试过的:

String str = "<string xmlns="+
    "http://schemas.microsoft.com/2003/10/Serialization/"+">"+
    "तुम्हारा नाम क्या है"+"</string>";

final Pattern pattern = Pattern.compile("<String xmlns="+
    "http://schemas.microsoft.com/2003/10/Serialization/"+">(.+?)</string>");

final Matcher matcher = pattern.matcher(str);
matcher.find();
System.out.println(matcher.group(1));

给定的String格式是

<string xmlns="http://schemas.microsoft.com/2003/10/Serialization/">
    तुम्हारा नाम क्या है
</string>

预期的输出是:

तुम्हारा नाम क्या है

它给我一个错误

Answer 1

此模式匹配预期部分和 $1给你预期的结果:

/<string .*?>(.*?)<\\/string>/

Online Demo

但是强烈建议停止使用正则表达式这样做......!你得找个JAVA的HTML解析器，简单抓取<string>的内容标签。