基本上,我需要匹配 HTML 中不属于闭合
标记的任何/。 这是我到目前为止所得到的,但它并没有真正按预期工作,我已经尝试了一段时间了。
((?<!(p))\/(?!(>))) | ((?<!(<))\/(?!(p)))
我还需要正则表达式才能在 Java 中工作。
举个例子:
某事
我希望它匹配每个 /
除了<p>
中的那些标签在最后!
最佳答案
幸运的是,Java 同时支持lookbehind 和lookahead(相比之下,我大部分时间使用的语言JavaScript 仅支持lookahead)。
所以您正在寻找的模式是:
(?<!<p)/(?!p>)
此模式将匹配任何前面没有 <p
的斜杠。或后跟 p>
。因此它排除 <p/>
以及 </p>
.
前向/后向断言(通常称为“零宽度”断言)实际上并未包含在匹配中,这听起来像您想要的。它基本上断言您尝试匹配的内容前面是(lookbehind)或后面是(lookahead)子表达式。在本例中,我们使用否定断言(前面没有/后面没有)。
使用正则表达式解析 HTML 是一件棘手的事情。正如一个答案所指出的,HTML 是上下文无关的,因此不能完全由 HTML 解析,从而使 HTML 可能会混淆匹配。我们甚至不开始讨论格式错误的 HTML。
不过,我会考虑空标签的以下常见变体:
<p />
为了处理这个问题,我会在匹配中添加一些空格:
(?<!<p\s*)/(?!p>)
您可能遇到问题的地方是奇怪的空格(仍然有效的 HTML)。以下斜杠将与上述正则表达式匹配:
< p/>
<p/ >
这可以通过在正则表达式中添加更多空白重复来解决。如前所述,这也会匹配文本中的斜杠,因此以下输入将仅匹配一个斜杠(文本中的斜杠):
<p>some text / other text</p>
最后,当然还有 CDATA 组。以下输入将不匹配斜杠:
<![CDATA[This <p/> isn't actually a tag...it's just text.]]>
关于java - 正则表达式匹配 HTML 中除 <p> 标签之外的任何内容,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19249404/