正则表达式拆分字符串中的标签答案

【问题标题】：regex splitting tags in the string正则表达式拆分字符串中的标签
【发布时间】：2011-09-25 21:27:59
【问题描述】：

我有以下正则表达式(<.*?>.*?</.*?>|[\w[-]]+)\p{Punct}*，它适用于大多数带有标签的字符串，但如果标签前面没有空格，那么它会在找到匹配项时破坏标签。

请帮助我修改这个正则表达式，使其不会破坏标签。我正在寻找的只是在空格上分割，但如果空格在标签内，则不是。

例如：

BIRD-ab @apos;cdFEE DEF

应该分成：

BIRD-&ltabc attr="co_1">ab @apos;cd费用国防军

我目前正在使用匹配器来匹配此模式并获取令牌

Matcher matcher = REGEX.matcher(newString);

while (matcher.find()) 
{
    token = matcher.group();
}

【问题讨论】：

标签： java regex

【解决方案1】：

试试这个：

.*?<.*?>.*?</.*?>[^\s]*

它会产生你期望的结果。

【讨论】：

【解决方案2】：

我会警惕使用正则表达式执行这种类型的解析。如果属性包含 > 和/或

<element attr="></>">value</element>

任何时候您需要解析或处理 XML 文件，我建议您考虑使用适当的 XML 解析器。请参阅this answer 以获得更详细的说明。

【讨论】：