java - 什么正则表达式将与 Java 的 "replaceAll"函数一起操作，以从 html 字符串中删除 <p> html 标签及其内容？

Question

什么正则表达式将与 Java replaceAll() 一起运行删除 <p> 的方法html 标签及其标签之间的内容来自 HTML 字符串？

例如，应用该方法后，

"<div><p>table <b>test</b> title</p><table><tbody><tr><td>this is table cell value</td></tr></tbody></table><p>miscellaneous contents</p><span>blah</span></div>"

变成:

"<div><table><tbody><tr><td>this is table cell value</td></tr></tbody></table><span>blah</span></div>"

注意:这是一项“学术”练习。我并不是在寻找使用 XML/HTML 解析器的解决方案。

<小时/>

更新:

越来越接近这个问题的解决方案(谢谢，jlordo!)...您的模式似乎有点工作...

但是，建议的正则表达式字符串 ( "<[pP]>.*?</[pP]>" ) 似乎对 <p> 没有影响。包含属性的标签(即，在本例中为“style”属性)——见下文，

    public static void main(String[] args)
    {
        String htmlstring = "<div><p style='text-align: center; font-style: italic'>[click the <b>submit</b> button to create the new company.]</p><table><tbody><tr><td>this is table cell value</td></tr></tbody></table><p>miscellaneous contents</p><span>blah</span></div>";
        htmlstring = htmlstring.replaceAll("<[pP]>.*?</[pP]>", "");
    }

htmlstring(清理前):

<div><p style='text-align: center; font-style: italic'>[click the <b>submit</b> button to create the new company.]</p><table><tbody><tr><td>this is table cell value</td></tr></tbody></table><p>miscellaneous contents</p><span>blah</span></div>

htmlstring(清理后):

<div><p style='text-align: center; font-style: italic'>[click the <b>submit</b> button to create the new company.]</p><table><tbody><tr><td>this is table cell value</td></tr></tbody></table><span>blah</span></div>

我们可以做些什么来“调整”它以解决这个问题吗？

Answer 1

尝试

    htmlstring = htmlstring.replaceAll("(?i)<p.*?>.*?</p>", "");

请注意，(?i) 表示打开不区分大小写标志