java - 无法使用模式匹配删除java中所有出现的html标签

Question

我有很长的 html 字符串，其中有多个

             <dl id="divmap"> .... </dl>.

我想删除此之间的所有内容。

我用java编写了这段代码:

                                   String triphtml= htmlString;
                System.out.println("triphtml is "+triphtml);

                System.out.println("test1 ");
                final Pattern pattern = Pattern.compile("(<dl id=\""+selectedArray[i]+"\">)(.+?)(</dl>)",
                        Pattern.DOTALL);
                final Matcher matcher = pattern.matcher(triphtml);
                // matcher.find();
                System.out.println("pattern of test1 is : "
                        + pattern); // Prints
                System.out.println("MATCHER of test1 is : "
                        + matcher); // Prints
                System.out.println("MATCH COUNT of test1 a: "
                        + matcher.groupCount()); // Prints
                System.out.println("MATCH COUNT of test1  a: "
                        + matcher.find()); // Prints
                while (matcher.find()) {
                    // System.out.println("MATCH GP 3: "+matcher.group(3).substring(1,10));

                    for (int z = 0; z <= matcher.groupCount(); z++) {
                        String extstr = matcher.group(z);
                        System.out.println("matcher group of "+z+" test1  is " + extstr);
                        System.out.println("ext a of test1  is " + extstr);
                        triphtml = triphtml.replaceAll(extstr, "");
                        System.out.println("Group found of test1 is :\n" + extstr);
                    }

                }

但是此代码删除了一些 dl，并且一些保留在 triphtml 中。我不知道为什么会发生这种事。这里的 triphtml 是一个有多个 dl 的 html 字符串。请帮助我如何删除所有之间的内容

    <dl id="divmap">.

提前致谢。

Answer 1

我建议不要对 html 使用正则表达式。只需使用任何用于遍历 xml/html 的库即可。

例如JSoup