将 Word 文档中的内容复制并粘贴到 Vaadin7 RichTextArea(或任何其他 Richtextfield)时,会出现大量不需要的 HTML 标签和属性。由于在当前项目中属性宽度做了一些有趣的事情,我想用以下函数删除它们
private String cleanUpHTMLcontent(String content) {
LOG.log(Level.INFO, "Cleaning up that rubbish now");
content = content.replaceAll("width=\"[0-9]*\"",""); // this works fine
content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt;",""); // not working
content = content.replaceAll(";width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
return content;
}
第一行可以很好地删除旧的 html 标签,例如 width="500"
,其他行将进入 style 属性并尝试删除诸如 width:300.45pt 之类的属性;
冒号的不同位置。
代码在测试页 http://www.regexplanet.com/advanced/java/index.html 上运行良好。我在这里生成了我的正则表达式字符串,专门用于 java,但它仍然无法正常工作。有人有什么想法吗?
这是一个找不到宽度属性的示例
td style="width:453.1pt;border:solid windowtext 1.0pt;
更新
content = content.replaceAll("width:\\s*[.0-9]*pt;",""); // doesn't work
content = content.replaceAll(";width:\\s*[.0-9]*pt",""); // doesn't work
content = content.replaceAll("width:\\s*[.0-9]*pt",""); // works :-)
看来我还必须用反斜杠转义分号?我会测试一下
最佳答案
要删除任意数量的带点的数字,您可以使用否定字符类 [.\d]*
或 [.0-9]*
:
"\\bwidth:\\s*[.0-9]*pt;"
请参阅regex demo
\b
是单词边界(确保我们仅将 width
作为整个单词进行匹配)。
详细信息:
\b
- 前导字边界width:
- 文字字符串width:
\s*
- 0+ 空白符号[.0-9]*
- 0+ 个点或数字pt;
- 文字pt;
关于java - 无法使用 REGEX 解析 Java 中带点的字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36467654/