java - 删除 <!-- 和//--> 之间的内容

Question

我有一个文本文件，它是将 HTML 解析为纯文本文件的结果。我需要删除类似于 XHTML 注释的内容，如下所示:

<!--
if (!document.phpAds_used)
 document.phpAds_used = ',';
 phpAds_random = new String
 (Math.random()); phpAds_random =
 phpAds_random.substring(2,11);
 document.write ("<" + "script
 language='JavaScript'
 type='text/javascript' src='");
 document.write
 ("http://www.writers.net/Openads/adjs.php?n="
 + phpAds_random); document.write ("&what=zone:5&target=_blank");
 document.write ("&exclude=" +
 document.phpAds_used); if
 (document.referrer) document.write
 ("&referer=" +
 escape(document.referrer));
 document.write ("'><" + "/script>");
 // -->

如何删除 <!-- 之间的任何内容和//-->使用Java？

Answer 1

一个简单的解决方案是使用 String.replaceAll()方法。

例如，类似以下代码应该可以工作:

String x = "wow <!-- // --> zip, here's <!-- comment here //--> another one";
x = x.replaceAll("<!--.*?//\\s*-->", "");
System.out.println(x);  // prints out "wow  zip, here's  another one"

\\s* 不匹配任何空格或匹配多个空格，因为您的示例有空格，但您的描述没有。 .*? 使其成为非贪婪匹配，因此它将匹配第一个 //-->

如果您一遍又一遍地运行此操作，您可以使用Pattern 来代替，并为您正在处理的每个 block 重新生成匹配器:

Pattern.compile("<!--.*?//\\s*-->").matcher(x).replaceAll("")