删除标签之间的文本w /正则表达式

Question

我想删除标签之间的文本并将标签添加到字符串数组。

例如： < TAG1> < TAG2>移除此</TAG2> </TAG1>

我读由线文本文档线和添加的每个标签，打开或关闭到一个阵列中，而不之间的文字，但我有麻烦。

我有String [] tags = text.nextLine（）。split（“”）;但我不知道什么正则表达式应该有一个数组[tag1，tag2，/ tag2，/ tag1]

谢谢！

Answer 1

你可以这样写：

String[] tags = text.nextLine().split("(?:^|>)[^<]*(?:<|$)"); 

但它可能是更安全的使用真正的XML解析器。请注意，如果有任何评论<!-- ... -->或处理指令<? ... ?>或者其它，或者如果其中一个标签包含>（例如，<span title='12 > 11'>），或者在各种其他情况下，上述将变得不合适。正则表达式不是解析XML的好工具。

---

编辑补充：为了避免空的第一个元素，你可以做一些预处理的第一个标记之前去掉一切，并相应调整split：

String[] tags = text.nextLine().replaceFirst("^[^<]*<?").split(">[^<]*(?:<|$)"); 

（注意：如果text.nextLine()根本没有包含任何标签，那么这将导致一个只有一个空元素的数组，如果你想摆脱这种情况，你可以在第二步之后做到这一点：

if(tags.size == 1 && tags[0].isEmpty()) 
    tags = new String[0]; 

）

Answer 2

XML不是一种常规语言，因此无法单独使用正则表达式进行分析。这是计算机科学的基础。你正在使用错误的工具来完成这项工作。

我知道这是一个学生练习，学生有时会被设置为像大锤一样攻击坚果的任务，但任何计算机专业人员的反应仍然必须是那样做。