通过正则表达式删除嵌套在多个 html 标记中的特定单词

Posted 2023-03-05

【中文标题】通过正则表达式删除嵌套在多个 html 标记中的特定单词

【英文标题】：Remove specific word nested in multiple html tags by regex

【发布时间】：2019-11-26 08:08:20

【问题描述】：

我想从 html 中删除特定的单词。我正在将 HTML 处理为 java 中的字符串。该词必须嵌套在特定标签中。我想删除.wrapper，只有当它在<template>和<style>里面时，我不想删除html中的所有.wrappers。

我已尝试通过正则表达式将单词替换为空字符串，但它不能按我的需要工作。我错过了一些东西，无法弄清楚是什么。

要处理的字符串：

String input = "<div><template><div><style>.wrapper #popup-popupTemplate1 .popup-content  width: 800px; height: 300px </style></div></template><div>"

所需的输出（删除特定的单词，.wrapper）：

String output = "<div><template><div><style>#popup-popupTemplate1 .popup-content  width: 800px; height: 300px </style></div></template><div>"

这对我不起作用，但在在线正则表达式调试器中，这个正则表达式选择我需要的单词。

String result = input.replaceAll("<template>.*?<style>.*?(\\.wrapper).*?<\\/style>.*?<\\/template>", "");

【问题讨论】：

我假设 replaceAll() 替换了您的完整匹配项，而不仅仅是 .wrapper 所在的捕获组。您可以将使用代码获得的输出添加到您的问题中吗？

您是否尝试过使用 JSoup 或类似方法沿着 DOM 树向下移动到 <style> 元素，然后使用正则表达式，而不是尝试使用单个正则表达式来统治它们？

【参考方案1】：

“技巧”是使用\K。 --> INFO <--

还深入了解惰性 ? 的作用。

正则表达式：<template>.*?<style>.*?\K\.wrapper

https://regex101.com/r/ldnoFx/1

【讨论】：

嗯，它在代码中对我不起作用，但在您发送的在线正则表达式调试器中，它似乎没问题。

当我在这个在线调试器中测试它时，它也不起作用。 regexplanet.com/cookbook/…我注意到了，你发送的那个链接是为php配置的，会不会有这个问题？

这对你有用吗？ (?!<template>.*?<style>.*?)\.wrapper

这会选择.wrapper，即使它没有嵌套在<template></template>和<style></style>中

看看你能不能用Java获得PCRE :)

【参考方案2】：

您需要检查将原始字符串 (s1) 中的匹配字符串 (matched) 替换为更改后的字符串 (replacedString) 的方法。

import java.util.regex.*;

    public class ReplaceExample  

    public static void main(String args[])  

    String s1 ="<div><template><div><style>.wrapper #popup-popupTemplate1 .popup-content  width: 800px; height: 300px </style></div></template><div>"; 

    Pattern pattern = Pattern.compile("<template>(.*?)</template>");

    Matcher matcher = pattern.matcher(s1);

    if (matcher.find())
    
        String matched = matcher.group(1);
        String replacedString = matched.replaceAll("(.wrapper)+","");        
        System.out.println(replacedString);