Java Regex从HTML锚点（ … ）标记中获取文本

我正在尝试在某个标签内获取文本。 如果我有：

Found 

我希望能够检索Found文本。

我正在尝试使用正则表达式。 如果保持不变但我没有，我能够做到这一点。

到目前为止我有这个：

 Pattern titleFinder = Pattern.compile( ".*[a-zA-Z0-9 ]* ([a-zA-Z0-9 ]*).*" ); 

我认为最后两部分 – ([a-zA-Z0-9 ]*).* – 还可以，但我不知道该如何处理第一部分。

Answer 1

正如他们所说，不要使用正则表达式来解析HTML。 如果你意识到这些缺点，你可能会侥幸逃脱。 尝试

 Pattern titleFinder = Pattern.compile("]*>(.*?)", Pattern.DOTALL | Pattern.CASE_INSENSITIVE); Matcher regexMatcher = titleFinder.matcher(subjectString); while (regexMatcher.find()) { // matched text: regexMatcher.group(1) } 

将迭代字符串中的所有匹配项。

它不会处理嵌套的标记并忽略标记内的所有属性。

Answer 2

 str.replaceAll("", ""); 

这是在线ideone演示

以下是类似主题： 如何仅从文本中删除标记？