Java (Android) 正则表达式去除 HTML 段落答案

【问题标题】：Java (Android) regular expression to strip out HTML paragraphJava (Android) 正则表达式去除 HTML 段落
【发布时间】：2011-02-09 11:31:39
【问题描述】：

我有一个从外部 XML 源获取一些数据的 Android 应用程序。我已经从其中一个 XML 元素中删除了一些 HTML，但格式如下：

<p class="x">Some text...</p>
<p>Some more text</p>
<p>Some final text</p>

我想提取中间段落文本，我该怎么做？正则表达式会是最好的方法吗？我真的不想开始包含外部 HTML 解析库。

【问题讨论】：

【解决方案1】：

如果简单，就做一个正则表达式。

如果您从自己拥有的外部来源获取 XML，我会在那里对其进行解析。

【讨论】：

【解决方案2】：

RegEx match open tags except XHTML self-contained tags

那么，我将问一个包含链接到答案的问题：您是否尝试过使用 XML 解析器？

您也可能从那里的其他一些答案中得到一些想法，但我会尽量避免使用正则表达式路径。正如 Macarse 建议的那样，如果可以的话，请在服务器上清理它。如果没有，请将这三个 <p> 元素包装在一个根元素中，并使用 SAX 或其他方式对其进行解析，注意第二段元素。

【讨论】：

【解决方案3】：

只是进行拆分：http://developer.android.com/reference/java/lang/String.html#split(java.lang.String)

在"</p><p>" 上并在返回的数组中获取第二个条目实际上会很快完成

【讨论】：

【解决方案4】：

如果你要解析从网站下载的 XML 文件，那么与 Android 无关。

【讨论】：

【解决方案5】：

正则表达式可能类似于：.*?>(.*?)<.* 您可以通过在 Matcher 对象上调用 group(1) 来访问分组内容。

【讨论】：