提取标签之间的标签Java Regex [关闭]答案

【问题标题】：Extract tags between tags Java Regex [closed]提取标签之间的标签Java Regex [关闭]
【发布时间】：2013-07-20 16:30:43
【问题描述】：

我想提取<body>和</body>之间的标签

String patternHtml = "(*?)<body>(.*?)</body>(*?)";
Pattern rHtml = Pattern.compile(pattern, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);
Matcher mHtml = rHtml.matcher(html);

我不知道为什么，但这会提取所有带有 <head> 和 <style> 的标签...

请：我需要使用正则表达式，请不要提供解析器库之类的替代方案...

【问题讨论】：

您是否尝试过从正则表达式的开头和结尾删除(*?)？也不要忘记在匹配器对象上使用 find() 方法。顺便说一句，我希望您不会在某些实际应用中使用此代码，而只是学习正则表达式。
您是否意识到您的问题与“我不知道为什么但是螺丝刀没有击中钉子......请：我需要使用螺丝刀，请不要不提供像锤子这样的替代品......”？答案非常简单：为工作使用正确的工具！
@BalusC 我知道使用解析器库会更好。但是，如果您看到我的帖子，这不是我的问题..
@Orçunyumarcı “但这不是我的问题”——不要说得太细，这个问题很愚蠢。它基本上是这样写的：“我不愿意接受帮助。”这不是一个问题，这是一个声明——我们不喜欢它。
这个问题似乎是题外话，因为它是关于 OP 已经明确表示他们对帮助不感兴趣。

标签： java regex html-parsing

【解决方案1】：

如果您只想（我引用）“提取标签”，我将其解释为打开节点，在您的 html 文本的正文语句中，您可以使用下面的解决方案。

请注意，这是野蛮。您不应该使用正则表达式“解析”html（我知道您知道，但其他读者可能不知道）。

// simple html file, has head/body and line breaks
String html = "<html>\r\n<head>\r\n<title>Foo</title>\r\n</head>\r\n" +
        "<body>\r\n<h1>Blah</h1>\r\n<h3>Meh</h3>\r\n</body>\r\n</html>";
// the pattern only checks for opening nodes
Pattern tagsWithinBody = Pattern.compile("<\\p{Alnum}+>");
// matcher is applied to whatever text is in between the "<body>" open and close nodes
Matcher matcher = tagsWithinBody.matcher(html.substring(html.indexOf("<body>") + 1, html.indexOf("</body>")));
// iterates over matcher as long as it finds text
while (matcher.find()) {
    System.out.println(matcher.group());
}

输出：

<h1>
<h3>

【讨论】：