Question

我正在尝试使用以下模式替换两个或多个 （如 ）个标签以及两个 的出现

Pattern brTagPattern = Pattern.compile("(<\\s*br\\s*/\\s*>\\s*){2,}", 
     Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

但是在某些情况下，“ ”标记带有空格，并且会被4个 标记取代，而这些标记实际上应该只用2个标记替换。

如何忽略标签之间的2个或3个（几个）空格？

Answer 1

这是一些用于测试模式的Groovy代码：

import java.util.regex.*

Pattern brTagPattern = Pattern.compile( "(<\\s*br\\s*/\\s*>\\s*){2,}", Pattern.CASE_INSENSITIVE | Pattern.DOTALL )
def testData = [
  ['',                            ''],
  ['<br/>',                       '<br/>'],
  ['< br/> <br />',               '<br/><br/>'],
  ['<br/> <br/><br/>',            '<br/><br/>'],
  ['<br/>   < br/ > <br/>',       '<br/><br/>'],
  ['<br/> <br/>   <br/>',         '<br/><br/>'],
  ['<br/><br/><br/> <br/><br/>',  '<br/><br/>'],
  ['<br/><br/><br/><b>w</b><br/>','<br/><br/><b>w</b><br/>'],
 ]

testData.each { inputStr, expected ->
  Matcher matcher = brTagPattern.matcher( inputStr )
  assert expected == matcher.replaceAll( '<br/><br/>' )
}

一切似乎都过得很好......

Answer 2

可能不是您想要听到的答案，但一般的智慧是您不应该尝试使用正则表达式解析XML / HTML。很多事情都可能出错 - 使用专门用于此类数据的解析库会更好，这也将完全绕过您遇到的问题。

如果您确定您的HTML是格式良好的XML，或者如果HTML可能很混乱（如大多数真实HTML），请查看JAXB，请尝试TagSoup 3}}

Answer 3

你可以改变你的正则表达式：

Pattern brTagPattern = Pattern.compile("<\\s*br\\s*/\\s*>\\s*<\\s*br\\s*/\\s*>", Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

这将忽略两个之间的每个空格。如果你只想要2或3，你可以使用：

Pattern brTagPattern = Pattern.compile("<\\s*br\\s*/\\s*>(\\s){2,3}<\\s*br\\s*/\\s*>", Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

需要正则表达式帮助

3 个答案: