Java正则表达式或XML解析器？

我想删除任何标记，如Java正则表达式或XML解析器？

<p>hello <namespace:tag : a>hello</namespace:tag></p>

成为

<p> hello hello </p>

什么是做到这一点，如果它是正则表达式由于某种原因，这是现在工作的任何人都可以帮助的最佳方式？

(<|</)[:]{1,2}[^</>]>

编辑：添加

来源

2012-02-02 Paul

绝对使用XML解析器。 Regex should not be used to parse *ML

来源

2012-02-02 22:28:56 Bozho

直接链接：http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 – 2012-02-02 22:40:16

@LouisWasserman：我刚加入该链接。这个答案是一个标准。 – RanRag 2012-02-02 22:42:56

如果按照“标准”你的意思是“艺术作品”，那么是的。 – 2012-02-02 22:43:59

为这些目的使用解析器像lxml或BeautifulSoup

>>> import lxml.html as lxht 
>>> myString = '<p>hello <namespace:tag : a>hello</namespace:tag></p>' 
>>> lxht.fromstring(myString).text_content() 
'hello hello'

在这里，你不应该使用正则表达式是一个reason为什么你不应该用正则表达式解析HTML/XML。

来源

2012-02-02 22:33:48 RanRag

+1 - 我的错误。我只想看到标准的解决方案“不要用正则表达式进行xml解析”，你的解决方案很抱歉！ – sln 2012-02-02 23:45:05

@sln：但你没有提出我的意见：P。 – RanRag 2012-02-02 23:46:04

我试过了，但它希望你编辑它之前它会反对我的投票upvote。只要做一个伪编辑，我的upvote就会启用。我会稍后再回来看看。 – sln 2012-02-03 00:43:06

如果你只是想拉明文一些简单的XML，最好的（最快，最小的内存空间）是只运行一个for循环在数据：

伪代码中

bool inMarkup = false; 
string text = ""; 
for each character in data // (dunno what you're reading from) 
{ 
    char c = current; 
    if(c == '<') inMarkup = true; 
    else if(c == '>') inMarkup = false; 
    else if(!inMarkup) text += c; 
}

注意：如果在解析中遇到类似CDATA，JavaScript或CSS的情况，这会中断。

因此，总结一下......如果它很简单，请做一些类似上面的事情，而不是正则表达式。如果不那么简单，那么请倾听其他人使用高级解析器。

来源

2012-02-02 22:37:53

他没有指定他是从流中读取还是仅从字符串读取，或者他的内容是否具有CDATA或类似内容，以便部分答案不同。我只是提供了一个涵盖问题域的大部分子集的简单解决方案。谢谢你的批评。 – 2012-02-02 23:05:11

+1 - 对不起，我的坏。建立一个伪编辑，以便我的upvote可以计数。 – sln 2012-02-02 23:46:37

这是我个人用于解决java类似问题的解决方案。用于此的库是Jsoup：http://jsoup.org/。

在我的特殊情况下，我不得不打开标签，其中包含一个特定值的属性。你看到这个代码反映出来，它不是这个问题的确切解决方案，但可能会让你走上前路。

public static String unWrapTag(String html, String tagName, String attribute, String matchRegEx) { 
    Validate.notNull(html, "html must be non null"); 
    Validate.isTrue(StringUtils.isNotBlank(tagName), "tagName must be non blank"); 
    if (StringUtils.isNotBlank(attribute)) { 
     Validate.notNull(matchRegEx, "matchRegEx must be non null when an attribute is provided"); 
    }  
    Document doc = Jsoup.parse(html); 
    OutputSettings outputSettings = doc.outputSettings(); 
    outputSettings.prettyPrint(false); 
    Elements elements = doc.getElementsByTag(tagName); 
    for (Element element : elements) { 
     if(StringUtils.isBlank(attribute)){ 
     element.unwrap(); 
     }else{ 
     String attr = element.attr(attribute); 
     if(!StringUtils.isBlank(attr)){ 
      String newData = attr.replaceAll(matchRegEx, ""); 
      if(StringUtils.isBlank(newData)){ 
      element.unwrap(); 
      } 
     }   
     } 
    } 
    return doc.html(); 
    }

来源

2014-05-13 14:06:27 kenny

Java正则表达式或XML解析器？

回答

相关问题