Java正则expression式提取标签之间的文本
我有一个自定义标签的文件，我想编写一个正则expression式来提取标签之间的string。 例如，如果我的标签是：
[customtag]String I want to extract[/customtag] 我如何写一个正则expression式来提取标签之间的string。 这段代码似乎是朝着正确方向迈出的一步：
Pattern p = Pattern.compile("[customtag](.+?)[/customtag]"); Matcher m = p.matcher("[customtag]String I want to extract[/customtag]");
不知道下一步该怎么做。 有任何想法吗？ 谢谢。
你在正确的轨道上。 现在您只需要提取所需的组，如下所示：
final Pattern pattern = Pattern.compile("<tag>(.+?)</tag>"); final Matcher matcher = pattern.matcher("<tag>String I want to extract</tag>"); matcher.find(); System.out.println(matcher.group(1)); // Prints String I want to extract
如果你想提取多个命中，请试试这个：
public static void main(String[] args) { final String str = "<tag>apple</tag><b>hello</b><tag>orange</tag><tag>pear</tag>"; System.out.println(Arrays.toString(getTagValues(str).toArray())); // Prints [apple, orange, pear] } private static final Pattern TAG_REGEX = Pattern.compile("<tag>(.+?)</tag>"); private static List<String> getTagValues(final String str) { final List<String> tagValues = new ArrayList<String>(); final Matcher matcher = TAG_REGEX.matcher(str); while (matcher.find()) { tagValues.add(matcher.group(1)); } return tagValues; }
不过，我同意正则expression式不是这里最好的答案。 我将使用XPath来查找我感兴趣的元素。有关更多信息，请参阅Java XPath API 。
说实话，正则expression式并不是这种typesparsing的最佳方法。 你发布的正则expression式可能适用于简单的情况，但是如果事情变得复杂的话，你会遇到很大的问题（同样的原因你不能可靠地用正则expression式parsingHTML）。 我知道你可能不想听到这个，我知道我没有问我相同types的问题，但是我停止尝试使用正则expression式来处理所有事情之后，stringparsing变得更可靠了。
jTopas是一个令人敬畏的标记器，可以很容易的手工编写parsing器（我强烈build议使用标准java扫描程序/ etc。库的jtopas）。 如果你想看到jtopas的行动， 这里有一些parsing器，我用jTopas来parsing这种types的文件
如果您正在parsingXML文件，则应该使用xmlparsing器库。 不要自己动手，除非你只是为了娱乐而做，有充足的certificate选项
寻找标签，属性和价值的通用，简单和原始的方法
Pattern pattern = Pattern.compile("<(\\w+)( +.+)*>((.*))</\\1>"); System.out.println(pattern.matcher("<asd> TEST</asd>").find()); System.out.println(pattern.matcher("<asd TEST</asd>").find()); System.out.println(pattern.matcher("<asd attr='3'> TEST</asd>").find()); System.out.println(pattern.matcher("<asd> <x>TEST<x>asd>").find()); System.out.println("-------"); Matcher matcher = pattern.matcher("<as x> TEST</as>"); if (matcher.find()) { for (int i = 0; i < matcher.groupCount(); i++) { System.out.println(i + ":" + matcher.group(i)); } }
final Pattern pattern = Pattern.compile("tag\\](.+?)\\[/tag"); final Matcher matcher = pattern.matcher("[tag]String I want to extract[/tag]"); matcher.find(); System.out.println(matcher.group(1));
尝试这个：
Pattern p = Pattern.compile(?<=\\<(any_tag)\\>)(\\s*.*\\s*)(?=\\<\\/(any_tag)\\>); Matcher m = p.macthr(anyString);
例如：
String str = "<TR> <TD>1Q Ene</TD> <TD>3.08%</TD> </TR>"; Pattern p = Pattern.compile("(?<=\\<TD\\>)(\\s*.*\\s*)(?=\\<\\/TD\\>)"); Matcher m = p.macthr(str); while(m.find()){ Log.e("Regex"," Refex result: " + m.group()) }
输出：
10恩
3.08％
我在这个答复前加上“你不应该使用一个正则expression式来parsingXML – 它只会导致不正确的边缘情况，并且当你试图修复它时会增加一个永远增加的复杂度的正则expression式“。
这就是说，你需要进行匹配的string，并抓住你想要的组：
if (m.matches()) { String result = m.group(1); // do something with result }
String s = "<B><G>Test</G></B><C>Test1</C>"; String pattern ="\\<(.+)\\>([^\\<\\>]+)\\<\\/\\1\\>"; int count = 0; Pattern p = Pattern.compile(pattern); Matcher m = p.matcher(s); while(m.find()) { System.out.println(m.group(2)); count++; }
