java - 如何删除 和 之间的文本

Question

我在文档的 html 标签内有一些文本。文字看起来像这样

I need this text <ref> Some unwanted text </ref> I need this text too

和

I need this text <ref Some random text /> I need this text too

如何删除不需要的文本以及封闭的标签？

<小时/>

我尝试使用这个正则表达式。但它不起作用。

<ref(.*?)>(.*?)</ref>

和

<ref(.*?)>

在 Java 中尝试这种方式没有帮助:

regex = "<ref(.*?)>(.*?)</ref>";
p = Pattern.compile(regex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL | Pattern.MULTILINE); 
m = p.matcher(s);
while(m.find()){
   m.replaceAll(" ");           
}

知道如何获得解决方案吗？

Answer 1

首先，使用 HTML 解析器。如果 HTML 变得复杂，正则表达式将无法可靠地处理此任务。

其次，你的正则表达式看起来格式良好并且 work as expected简单的例子(一旦我将 < 更改为 < ，但我怀疑您在发布问题时进行了更改，认为 StackOverflow 会误解它)。问题可能出在您的 Java 代码中，而不是正则表达式本身。我不熟悉 Java 的正则表达式 API，所以我会让其他人参与进来:)