返回列表 发帖
coolfeng

Rank: 1
1# 跳转到 » 倒序看帖
打印
tT
发表于 2010-8-19 18:17 | 只看该作者

求助]将html源文件中的所有文字节点替换为为<text>

需要构造web页面的后缀树，将html源文件中的所有文字节点替换为为<text>，请教各位正则该如何写。
  1. String bHtml = "<body><p>content1</p><form><textarea>content2</textatea>"
  2.                          +"<a>content3</a></body></html>";
  3.                
  4. bHtml = bHtml.replaceAll("(?!<(\\S*?)[^>]*>.*?|<.*? />)+","<text>");       
  5. System.out.println(bHtml);
  6. 期望输出为：
  7. <body><p><text></p><form><textarea><text></textatea>
  8. <a><text></a></body></html>
复制代码
收藏 分享

rex

Rank: 9Rank: 9Rank: 9
2#
发表于 2010-8-19 19:15 | 只看该作者
试一下这个：
  1. bHtml = bHtml.replaceAll("(?<=>)[^<>]+(?=<)", "<text>");
复制代码
在答疑解惑版提问时，请注明所用语言、范例文本、匹配结果。谢谢！
------------------------------------------------------------------------------
我爱正则表达式
GTalk: rex[at]zhasm[dot]com
Twitter: rex_zhasm

TOP

coolfeng

Rank: 1
3#
发表于 2010-8-19 19:37 | 只看该作者
高手啊，学习中
谢谢！！

TOP

rex

Rank: 9Rank: 9Rank: 9
4#
发表于 2010-8-19 20:24 | 只看该作者
原理：左边有>, 右边有<，中间没有>或<。
在答疑解惑版提问时，请注明所用语言、范例文本、匹配结果。谢谢！
------------------------------------------------------------------------------
我爱正则表达式
GTalk: rex[at]zhasm[dot]com
Twitter: rex_zhasm

TOP

coolfeng

Rank: 1
5#
发表于 2010-8-23 15:55 | 只看该作者
回复 4# rex

请教高手，有没有能自动生成正则表达式的工具。就是说我给出一段html代码，能够自动生成针对该段代码的正则表达式？
呵呵，是不是太理想了~~

TOP

rex

Rank: 9Rank: 9Rank: 9
6#
发表于 2010-8-23 16:05 | 只看该作者
这个，不太可能吧。程序不知道你需要的匹配精度。
例如，如果你给出的html代码是
<html>empty</html>
它可以生成.*，就能匹配所有的文本，但是该正则式显然不是你所需要的。（激进的正则式）
它也可以生成<html>empty<\/html>，也能匹配你的文本，但是显然也不是你需要的。（保守的正则式）

如果要生成符合题义的正则式，应该是给出多组文本，让程序总结规律，生成正则表达式的建议，供使用者参考，这样才比较靠谱吧。可参考文章：关于从普通文本提取正则表达式的再思考
在答疑解惑版提问时，请注明所用语言、范例文本、匹配结果。谢谢！
------------------------------------------------------------------------------
我爱正则表达式
GTalk: rex[at]zhasm[dot]com
Twitter: rex_zhasm

TOP

coolfeng

Rank: 1
7#
发表于 2010-8-24 19:27 | 只看该作者
回复 6# rex


    学习了，谢谢！

TOP

coolfeng

Rank: 1
8#
发表于 2010-8-26 16:04 | 只看该作者
回复 2# rex
bHtml = bHtml.replaceAll("(?<=>)[^<>]+(?=<)", "<text>");
该语句中中间部分的[^<>]+我能理解是任何不为<或>的字符，但是前面的(?<=>)和后面的(?=<)是什么意思，正则表达式中“？”的意思不是匹配0或1个吗，放在开头什么意思i，?<=又是什么意思，迷惑中，望解答
~~~

TOP

rex

Rank: 9Rank: 9Rank: 9
9#
发表于 2010-8-26 19:57 | 只看该作者
请参考一下这个贴子： http://regex.me/thread-798-1-1.html
在答疑解惑版提问时，请注明所用语言、范例文本、匹配结果。谢谢！
------------------------------------------------------------------------------
我爱正则表达式
GTalk: rex[at]zhasm[dot]com
Twitter: rex_zhasm

TOP

coolfeng

Rank: 1
10#
发表于 2010-8-27 13:30 | 只看该作者
回复 9# rex

看懂了，谢谢
另外，最近做点小项目，需要针对html文件写正则表达式，有什么材料能推荐下吗？方面的话发我邮箱，coolfeng_001@163.com

TOP

返回列表