Java用另一个正则表达式替换所有出现的正则表达式

Question

假设我有一个 xml 中多次出现 <tagA> 的字符串:

String example = " (...) some xml here (...)
                    <tagA>283940</tagA>
                   (...) some xml here (...)
                    <tagA>& 9940</tagA>
                    <tagA>- 99440</tagA>
                    <tagA>< 99440</tagA>
                    <tagA>99440</tagA>
                   (...) more xml here (...) "

内容应仅包含数字，但有时它会包含一个随机字符，后跟空格和数字。 我想删除不需要的字符和空格。怎么做？

到目前为止，我知道我应该寻找正则表达式 "<tagA>. [0-9]*<\/tagA>"但我被困在这里了。

我想替换这些字符，因为这些字符中有“&”、“">”、“<”符号，这些符号会使 xml 无效(这会阻止我将其视为 XML)。

Answer 1

您正在寻找的正则表达式是: <(\w+)>(\D{0,})(\d+)

搜索Group 1您将在Group 2上获得标签你会在 Group 3 中得到你奇怪的东西(所有不是数字的东西)这是号码。

此正则表达式有一个“增强版本”，可能适用于更多情况:(\w{0,})(<\w+>)(\D{0,})(\d+)(\D{0,})(<\/\w+>)(\w{0,})

这将放置在 Group 1 中标签之前可能存在的任何空格。 Group 7将处理尾随空格。 Group 2 and 6将匹配开始标签和结束标签。 Group 3 and 5将匹配您的值之间可能存在的任何奇怪的字符。 Group 4将包含你的值(value)。

使用 String::replaceAll，您可以通过仅打印组 2、4 和 6 来进行过滤和清理，并删除其余组。

//input data
String s = "<tagA>283940</tagA>\n" +
"                    <tagA>& 9940<</tagA>\n" +
"                    <tagA>- 99440</tagA>\n" +
"                    <tagA>< 99440</tagA>\n" +
"                    <tagA>99440</tagA>"
                + "<13243> asdfasdf </>";


    String replaced = s.replaceAll("(\\s{0,})(<\\w+>)(\\D{0,})(\\d+)(\\D{0,})(<\\/\\w+>)(\\s{0,})", "$2$4$6");
    System.out.println(replaced);

输出:<tagA>283940</tagA><tagA>9940</tagA><tagA>99440</tagA><tagA>99440</tagA><tagA>99440</tagA><13243> asdfasdf </>