Java 正则表达式模式查找空 HTML/XML 元素

Question

我在多行 HTML 文件中查找空 HTML 元素时遇到问题。我的正则表达式是这样的:

Pattern pattern = Pattern.compile("<([a-zA-Z][a-zA-Z0-9]*)[^>]*?>[\\s]*?</\\1>");
Matcher matcher = pattern.matcher(htmlOut);
while (matcher.find())
{
    htmlOut = matcher.replaceAll("");
    matcher = pattern.matcher(htmlOut);
}

问题是它与任何空标签都不匹配。

仅供引用:相同的正则表达式 <([a-zA-Z][a-zA-Z0-9]*)[^>]*?>[\s]*?</\1>在崇高文本中工作!

有什么办法吗？

Answer 1

这个模式没问题，但你用错了。 replaceAll() 在字符串上调用，而不是在匹配器对象上调用。

此外，无需迭代匹配项 - 一个 replaceAll 就足够了:

htmlOut = htmlOut.replaceAll("<([a-zA-Z][a-zA-Z0-9]*)[^>]*>\\s*</\\1>", "");

不过，您不需要惰性量词 - 但这不会影响匹配结果。