Java模式正则表达式在标签之间提取

Question

我正在尝试为 RSS 源设计我的自定义 XML 阅读器。以下是我在测试中的 JAVA 代码：

Pattern pattern = Pattern.compile("<(item)(.*?)>((.*))</\\1>", Pattern.CASE_INSENSITIVE);

Matcher matcher = pattern.matcher("<item value=\"key\" atr='none'><title val=\"has value\">Good</title><link>www</link></item>"
+ "<item value=\"key\" atr='none'><title val=\"has value\">Bad</title><link>http</link></item>"
+ "<item value=\"key\" atr='none'><title val=\"has value\">Neutral</title><link>ftp</link></item>");

while (matcher.find()) {
for (int i = 0; i < matcher.groupCount(); i++) {
        System.out.println("\n" + i + ":" + matcher.group(i));
}}

这是输出：

0:<item value="key" atr='none'><title val="has value">Good</title><link>www</link></item><item value="key" atr='none'><title val="has value">Bad</title><link>http</link></item><item value="key" atr='none'><title val="has value">Neutral</title><link>ftp</link></item>

1:item

2: value="key" atr='none'

3:<title val="has value">Good</title><link>www</link></item><item value="key" atr='none'><title val="has value">Bad</title><link>http</link></item><item value="key" atr='none'><title val="has value">Neutral</title><link>ftp</link>

期望的输出：

<title val="has value">Good</title><link>www</link>
<title val="has value">Bad</title><link>http</link>
<title val="has value">Neutral</title><link>ftp</link>

基本上，我希望循环运行的时间与源字符串中存在的项目标签数量一样多。目前，正则表达式中的第 3 组正在提取字符串，直到与第 1 组匹配的最后一个结束标记，情况并非如此。第三组应包含字符串，直到匹配第一组的相应结束标记。

编辑： 根据@11thdimension 的建议，我正在添加一些我需要的更多信息：

1. XML 结构还可以在 ITEM 标记中包含其他标记，例如日期、作者等。代码还应使用标题和链接标记检索这些标记。
2. 标签的层次结构不固定。它们可以是任何顺序：标题、链接、日期或链接、标题、日期或日期、链接、标题等。

Answer 1

您应该按照 Lucero 的建议使用 XML 解析器。

但是，如果您必须使用 RegEx，那么您可以使用以下。

<title.*?<\/link>

工作正则表达式101链接https://regex101.com/r/EWG2Io/2

编辑

对于需要 <item></item> 中的所有内容的特殊情况，请使用以下内容

<item.*?>(.*?)<\/item>

工作示例https://regex101.com/r/Ow1A5F/1

这里还有 Java 示例

public class TestRegex {
    public static void main(String[] args) {
        String str = "<item value=\"key\" atr='none'><date><date><title val=\"has value\">Good</title><link>www</link></item><item value=\"key\" atr='none'><title val=\"has value\">Bad</title><link>http</link><author></author></item><item value=\"key\" atr='none'><title val=\"has value\">Neutral</title><link>ftp</link></item>";

        Pattern pattern = Pattern.compile("<item.*?>(.*?)<\\/item>");

        Matcher match = pattern.matcher(str);

        while(match.find()) {
            System.out.println(match.group(1));
        }
    }
}

输出

<date><date><title val="has value">Good</title><link>www</link>
<title val="has value">Bad</title><link>http</link><author></author>
<title val="has value">Neutral</title><link>ftp</link>