java - 使用正则表达式删除多个标签

Question

这个问题已经有答案了:

RegEx match open tags except XHTML self-contained tags (36 个回答)

已关闭 9 年前。

我正在与正则表达式作斗争。我收到的文本包含多个需要删除的标签，但我找不到好的方法。

这是我的 JAVA 代码:(非常糟糕:P)

public static String DeleteExtras(String notes){    
    String regexLazy = "(<a id=\".*?\" name=\".*?\" shape=\".*?\"></a>)+?";
    String regexGreedy = "(<a id=\".*?\" name=\".*?\" shape=\".*?\"></a>)+";    

    Pattern pattern = Pattern.compile(regexGreedy);
    Matcher matcher = pattern.matcher(notes);
    String match = notas;
    if (matcher.find()){
        match = matcher.group();
        Pattern p2 = Pattern.compile(regexLazy);
        Matcher m2 = p2.matcher(notes);
        if (m2.find()){
            notes = notes.replace(match,m2.group());
        }
    }
}

这是我收到的文本的简化版本:

    <div class="tr_footnote">
    <p class="footnote">
        <a id="#(1)" name="#(1)" shape="rect"/>
        <a id="(1)" name="(1)" shape="rect"/>
        <a id="(1)" name="(1)" shape="rect"/>
        <a id="(6)" name="(6)" shape="rect"/>
        <a id="(8)" name="(8)" shape="rect"/>(1)</p>
</div>
<div class="tr_footnote">
    <p class="footnote">
        <a id="(2)" name="(2)" shape="rect"/>(2)</p>
</div>
<div class="tr_footnote">
    <p class="footnote">
        <a id="(7)" name="(7)" shape="rect"/>
        <a id="(7)" name="(7)" shape="rect"/>(7)</p>
</div>
<div class="tr_footnote">
    <p class="footnote">
        <a id="(8)" name="(8)" shape="rect"/>(8)</p>
</div>

我知道我的代码无法正常工作...到目前为止，它所做的就是删除第一组重复标签，并且我将(标签)的第一个幽灵作为有效标签，因此我将其余的替换为第一个(标签)(这是第一个 div在示例文本中)。问题是它不适用于其他重复标签。我尝试使用 while( matcher.find() ) 而不是 if ，但它替换了同一标签的所有标签。到目前为止我找不到解决方法...:(

谢谢!

Answer 1

查看 XSLT。它是一种用于将 XML 转换为更多 XML 的语言。对于你正在做的事情来说，这有点矫枉过正，但也只是轻微而已。