java - 无法使用 REGEX 解析 Java 中带点的字符串

Question

将 Word 文档中的内容复制并粘贴到 Vaadin7 RichTextArea(或任何其他 Richtextfield)时，会出现大量不需要的 HTML 标签和属性。由于在当前项目中属性宽度做了一些有趣的事情，我想用以下函数删除它们

private String cleanUpHTMLcontent(String content) {
    LOG.log(Level.INFO, "Cleaning up that rubbish now");

    content = content.replaceAll("width=\"[0-9]*\"",""); // this works fine
    content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt;",""); // not working
    content = content.replaceAll(";width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
    content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
    return content; 
}

第一行可以很好地删除旧的 html 标签，例如 width="500"，其他行将进入 style 属性并尝试删除诸如 width:300.45pt 之类的属性; 冒号的不同位置。

代码在测试页 http://www.regexplanet.com/advanced/java/index.html 上运行良好。我在这里生成了我的正则表达式字符串，专门用于 java，但它仍然无法正常工作。有人有什么想法吗？

这是一个找不到宽度属性的示例

 td style="width:453.1pt;border:solid windowtext 1.0pt; 

更新

    content = content.replaceAll("width:\\s*[.0-9]*pt;",""); // doesn't work
    content = content.replaceAll(";width:\\s*[.0-9]*pt",""); // doesn't work
    content = content.replaceAll("width:\\s*[.0-9]*pt",""); // works :-)

看来我还必须用反斜杠转义分号？我会测试一下

Answer 1

要删除任意数量的带点的数字，您可以使用否定字符类 [.\d]* 或 [.0-9]*:

"\\bwidth:\\s*[.0-9]*pt;"

请参阅regex demo

\b 是单词边界(确保我们仅将 width 作为整个单词进行匹配)。

详细信息:

• \b - 前导字边界
• width: - 文字字符串width:
• \s* - 0+ 空白符号
• [.0-9]* - 0+ 个点或数字
• pt; - 文字 pt;