java - 用于删除特定 HTML 标签的正则表达式

Question

我正在尝试用 Java 编写一个正则表达式来删除从 <select> 开始的所有内容。和选择结束 </>标签如下图所示。我编写了一个正则表达式来删除从 <start> 开始的所有内容标记为空，如下所示。问题是它按预期删除了除第四行 <select name="first" ... the popular 之外的所有内容。 。它删除该行中的所有内容并忽略下一行 and ... president"/> 中的内容。 。我想包含从开始标签到结束标签的所有内容。我怎样才能做到这一点？

str.replaceAll(".*<start.*", "");

实际的字符串str的内容如下所示:

<select name="id" content="2454803.html"/>
<select name="nameid" content="2454803"/>
<select name="type" content="prd"/>
<select name="first" content="In 2004, Charlie, the popular 
and charismatic senator , became the first president"/>
<select name="title" content="Charlie"/>
<h1>
<!--toc:insert content="checkbox" id="_1_0"/>-->
</h1>
<p class="tocline"><a href="2454803">Table of Contents</a></p>

Answer 1

根据 Java 文档，位于 Pattern.html#lt :

The regular expression.matches any character except a line terminator unless theDOTALLflag is specified.

行终止符的含义:

• A newline (line feed) character ('\n'),
• A carriage-return character followed immediately by a newline character ("\r\n"),
• A standalone carriage-return character ('\r'),
• A next-line character ('\u0085'),
• A line-separator character ('\u2028'), or
• A paragraph-separator character ('\u2029).

指定 DOTALL 的最简单方法标志是添加 (?s)到正则表达式的开头。还需要进行一些更改来适应此标志，因此最终的正则表达式将是 (?s)<select.*?>\r?\n? ，应用如下

str.replaceAll("(?s)<select.*?>\\r?\\n?", "");

演示在这里:http://regex101.com/r/bW8aR7

或者，您可以使用正则表达式 <select[^>]*>\r?\n? ，像这样:

str.replaceAll("<select[^>]*>\\r?\\n?", "");

演示在这里:http://regex101.com/r/lO6mQ6