文本处理 - 检测您是否在 Java 中的 HTML 标记内答案

【问题标题】：Text Processing - Detecting if you are inside an HTML tag in Java文本处理 - 检测您是否在 Java 中的 HTML 标记内
【发布时间】：2011-04-08 22:37:06
【问题描述】：

我有一个程序，它根据没有 html 信息的同一文档上的信息对 html 格式的文档进行文本处理。我基本上是在未格式化的文档中找到一个单词或短语，然后在格式化的文档中找到相应的单词并使用 HTML 标签更改单词或短语的外观以使其突出（例如加粗或更改其颜色）。

这是我的问题。有时，我想对可能是 html 标签的一部分的单词或短语进行格式化（例如，也许我想对单词“font”进行一些格式化，但前提是单词不在 html 标签内） .有没有一种简单的方法来检测字符串是否是文本块中 html 标记的一部分？

顺便说一句，我不能只去掉文档中的 html 标签并对剩余的文本进行处理，因为我需要在结果中保留 html。我需要添加到现有的 html，但我需要可靠地区分属于标签的字符串和不属于标签的字符串。

有什么想法吗？

谢谢，

艾略特

【问题讨论】：

【解决方案1】：

你可以做一些事情

第一个可能是最快和最简单的，但第二个会更可靠。

【讨论】：

【解决方案2】：

使用以下正则表达式代码来检测它是否有 HTML 标签：“\<.>”

here 你可以学习如何在你的 java 代码中有效地使用正则表达式。快乐编码；）

【讨论】：

【解决方案3】：

如果你已经解析了 DOM，你有什么，如果你做对了。然后询问包含当前标签的super 标签，如果那不是您要查找的标签，请继续这样做。

如果您使用一些自定义搜索或正则表达式来解析 html，请检查此问题的最佳答案：

【讨论】：