带有 java.util.regex 的 HTML 正则表达式答案

【问题标题】：Regex for HTML with java.util.regex带有 java.util.regex 的 HTML 正则表达式
【发布时间】：2010-07-16 17:34:29
【问题描述】：

我需要一个用于以下 html 的正则表达式：

<div xmlns="http://www.w3.org/1999/xhtml">    <p/>
  <p/><p/>    <p/>
</div>

这来自一个富文本字段，显然这不是有意义的内容或意味着：空。我不能在java中说： if (richTextConent == null || richTextContent.length == 0) 因为富文本字段包含一些东西。从语义上讲，上述内容是空的，所以我想到了使用正则表达式。我需要将此 sn-p 与 java.util.regex 匹配

如果sn-p中有一些有意义的东西，比如：

<div xmlns="http://www.w3.org/1999/xhtml"> text<p/>
  <p/><p/>text    <p/>
</div>

比正则表达式不应该匹配。

【问题讨论】：

+1 提供更大的图景。我认为会推出比正则表达式更好的解决方案。
这是通过网络、瘦客户端或 Swing 或其他方式完成的吗？
嗯，cms 系统中有一个richtexfield，它以XML 标记的形式提供其内容。我需要知道内容是否为空以抑制其在 jsp 模板中的呈现。正如您从示例中看到的那样，内容不是空的，因为这个第三方 cms 提供了空标签和一个 div。所以我认为正则表达式会很好地找出...
这是否意味着您无法控制 CMS 的界面？如果你这样做了，我可能会建议使用 jQuery 来获取带有文本的子节点，否则我会选择 @BalusC 的答案
我可以控制界面。问题在于似乎有错误。如果我在编辑器中输入一些内容并再次删除它，cms 的 api 仍然会提供这个“空”xml 标记:-( 谢谢你的想法。

标签： java html regex

【解决方案1】：

使用像 Jsoup 这样的 HTML 解析器。

String html1 = "<div xmlns=\"http://www.w3.org/1999/xhtml\">    <p/>  <p/><p/>    <p/></div>";
String html2 = "<div xmlns=\"http://www.w3.org/1999/xhtml\"> text<p/>        <p/><p/>text    <p/>        </div>";

System.out.println(Jsoup.parse(html1).text().isEmpty()); // true
System.out.println(Jsoup.parse(html2).text().isEmpty()); // false

另见：

【讨论】：

哇，我喜欢 Stackoverflow。只用了4分钟就得到了一个合格的答案。我今天将尝试 jsoup。到目前为止谢谢...