正则表达式组合标签

Question

我有一个xml输出，如下所示

 <B-company> The  British </B-company> <I-company> Broadcasting  Corporation is a </I-company> <B-Type> public  </B-Type> <I-Type> service  broadcaster </I-Type> <HQ> headquartered   </HQ> <B-company> at  </B-company> <I-company> Broadcasting  </I-company> <B-Type> House  </B-Type> <I-Type> in  </I-Type> <HQ> London  </HQ>

这里B-tag表示Begin Tag，I-tag表示continuation tag / end标签（如果没有找到更多的I-tag）。

我正在寻找像这样的输出

<company> The  British Broadcasting  Corporation is a </company> <Type> public   service  broadcaster </Type> <HQ> headquartered   </HQ> <company> at  Broadcasting  </company> <Type> House in  </Type> <HQ> London  </HQ>

即。需要从第一个标签中删除字符“B-”，从而形成所有标签，直到我们有'/ I-'标签并添加到最后。我们如何在java正则表达式中实现这一点。

Answer 1

你可以试试这个正则表达式：

</[BI]-(\w+)>\s*<I-\1>|(</?)[BI]-(\w+>)

并替换为\2\3。

Online demo.

它的作用：

</[BI]-(\w+)>\s*<I-\1>匹配紧跟其后是延续标记的结束标记。在第2组或第3组中没有捕获此文本，因此将删除与此匹配的所有文本。

(</?)[BI]-(\w+>)然后匹配以B-或I-开头的其余标记。它会捕获第2组和第3组中B-或I-周围的文字，因此，通过替换为\2\3，B-或I-将被有效删除。< / p>