删除两个字符之间的子字符串（java）

Posted 2023-02-26

【中文标题】删除两个字符之间的子字符串（java）

【英文标题】：Removing a substring between two characters (java)

【发布时间】：2012-05-14 18:54:34

【问题描述】：

我有一个类似这样的 java 字符串：

String string = "I <strong>really</strong> want to get rid of the strong-tags!";

我想删除标签。我还有一些其他的字符串，其中的标签更长，所以我想找到一种方法来删除“”字符之间的所有内容，包括那些字符。

一种方法是使用将字符串与正则表达式进行比较的内置字符串方法，但我不知道如何编写。

【参考方案1】：

在使用正则表达式解析 html 时建议小心（由于其允许的复杂性），但是对于“简单”HTML 和简单文本（其中没有文字 < 或 > 的文本），这将起作用：

String stripped = html.replaceAll("<.*?>", "");

【参考方案2】：

为了避免正则表达式：

String toRemove = StringUtils.substringBetween(string, "<", ">");
String result = StringUtils.remove(string, "<" + toRemove + ">"); 

对于多个实例：

String[] allToRemove = StringUtils.substringsBetween(string, "<", ">");
String result = string;
for (String toRemove : allToRemove) 
  result = StringUtils.remove(result, "<" + toRemove + ">"); 

Apache StringUtils 函数为 null、空且不匹配

【参考方案3】：

你应该使用

String stripped = html.replaceAll("<[^>]*>", "");
String stripped = html.replaceAll("<[^<>]*>", "");

其中<[^>]*> 匹配以< 开头的子字符串，然后匹配除> 之外的零个或多个字符（如果您选择第二个版本，则匹配除< 和> 之外的字符），然后是@987654330 @字符。

注意<.*?>

效率低于否定字符类（请参阅Which would be better non-greedy regex or negated character class?） 找不到跨越多行的子字符串（请参阅How do I match any character across multiple lines in a regular expression?），但可以使用(?s)<.*?>、<(?s:.)*?>、<[\w\W]*?> 和许多其他效率不高的变体来解决。

请参阅regex demo。