RegEx在HTML标记之间提取文本 [英] RegEx to extract text between a HTML tag

问题描述

我正在寻找一个必须在不同类型的HTML标签之间提取文本的正则表达式。

I'm looking a regular expression which must extract text between HTML tag of different types.

例如：

< span> Span 1< / span> - O / p： Span 1

<span>Span 1</span> - O/p: Span 1

< div onclick =callMe（）> Span 2< / div> - O / p： Span 2

<div onclick="callMe()">Span 2</div> - O/p: Span 2

< a href =＃>超文本< / a> - O / p：超文本

<a href="#">HyperText</a> - O/p: HyperText

我发现这件特别的作品<（[AZ] [A-Z0-9] *）\ b [^>] *>（。*？）< / \1> 来自这里但是这个没有用。

I found this particular piece <([A-Z][A-Z0-9]*)\b[^>]*>(.*?)</\1> from here But this one is not working.

推荐答案

您的评论显示您忽略了逃避正则表达式字符串中的反斜杠。

Your comment shows that you have neglected to escape the backslashes in your regex string.

如果你想匹配小写字母，请将 az 添加到字符类或使用 Pattern.CASE_INSENSITIVE （或将（？i）添加到正则表达式的开头）

And if you want to match lowercase letters add a-z to the character classes or use Pattern.CASE_INSENSITIVE (or add (?i) to the beginning of the regex)

"<([A-Za-z][A-Za-z0-9]*)\\b[^>]*>(.*?)</\\1>"

如果标签内容可能包含换行符，则使用 Pattern.DOTALL 或将（？s）添加到正则表达式的开头以打开dotall / singleline模式。

If the tag contents may contain newlines, then use Pattern.DOTALL or add (?s) to the beginning of the regex to turn on dotall/singleline mode.

这篇关于RegEx在HTML标记之间提取文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！