java - 正则表达式来识别不应嵌套的 anchor 标记

Question

从 html 源代码中，我必须识别不应嵌套的 anchor 标记。

例如:

<a href="http://www.abc.com">abc<a href="http://www.dbc.com">dbc</a>

从第一场比赛开始，它应该返回

<a href="http://www.abc.com">abc

随后查找

<a href="http://www.dbc.com>dbc</a>

如果没有嵌套，查找时应该从打开 anchor 标记返回到关闭 anchor 标记。如果是嵌套的，则应返回从开放 anchor 标记到嵌套开放 anchor 标记开始之前的字符串。

请帮忙。提前致谢

Answer 1

我建议使用JTidy 。尽管它的名称是 HTML 解析器，但它会处理所有导致正则表达式出错的边缘情况(鉴于 HTML 不是正则表达式，这并不奇怪)。