正则替换的方式删除特定的内容

    以前，公司网络限制，无法通过用户名密码登录某些网站，但是可以通过浏览器打开网站，而这些网站有个问题，非登录用户，不能复制博客中的代码，这个就有些麻烦了。

    好在，这些代码是可以通过查看网页源代码的方式获取。如下所示，我们看到csdn的代码：

    拿到html元素内容的办法：

     1、开启F12，进入开发者调试界面，

     2、切换到 元素 tab页，

     3、使用鼠标选择 代码部分。

     4、拷贝元素。

   我们分析这段内容，主要由html标签包裹，我们需要去掉标签部分。

    html标签有个特点，它是成对出现的，我们如果把所有的标签都去掉，那么其实就剩下内容部分了。有了这个思路，我们就可以开始工作了。

    这里考虑使用正则替换的方式，将标签去掉，标签类似

或者

。我们直接通过正则<.*>可能会将所有内容都干掉。因为

xxx

这种其实也会匹配上<.*>。并不能只去掉两边的

和

。

    这里需要考虑<>内部不能再出现闭合标签">"，似乎有点难以理解，意思这里只匹配唯一一个标签<>，不管是开始标签

，还是关闭标签

。

     针对这个需求，正则再改变一下，<[^>]+>，替换效果如下所示：

    替换之后，正好剩下代码部分。就是我们需要的。

    这里稍微说一下，这是使用notepad++来做的，它支持正则表达式书写，所以我们在替换界面可以看到这样的信息：

    查找模式，需要切换到正则表达式，因为我们要删除这些标签，匹配的内容直接替换为空，所以“替换为”这里不用填写任何东西。最后选择全部替换即可。

    另外一个替换的示例，这里我们通过java代码来实现。

    假设我们有一个字符串如下所示：

[{"name":"buejee","id":101,"email":[],"mobile":"15909062001"},{"name":"lucky","id":102,"email":["[email protected]"],"mobile":"15909062002"}]

    这里虽然是一个json格式，但是它本身是作为一个字符串存在的，我们需要删除email这个部分。上面的示例里面有两个email，分别是 "email":[],   和  "email":["[email protected]"], 。为了将他们都去掉，我们的正则可以考虑这样写：

"email":\[[^\]]*\], 

    其中[^\]]*表示的是[]内部不能出现 ]，这里的*表示内容可以有多个字符，也可以没有，匹配[]和["[email protected]"]。另外，因为 "[" 和 "]" 本身是正则里面的关键字符号，所以这里需要转义。在java中，转义符号是两个反斜杠\\。

    程序代码如下：

package com.xxx.reg;

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class StringReplace {
    public static void main(String[] args) {
        String str = "[{\"name\":\"buejee\",\"id\":101,\"email\":[],\"mobile\":\"15909062001\"},{\"name\":\"lucky\",\"id\":102,\"email\":[\"[email protected]\"],\"mobile\":\"15909062002\"}]";
        Pattern pattern = Pattern.compile("\"email\":\\[[^\\]]*\\],");
        Matcher matcher = pattern.matcher(str);
        System.out.println(str);
        String result = matcher.replaceAll("");
        System.out.println(result);
    }
}

    运行结果：

     打印结果正好删除了email部分。

    这两个示例有相同的部分，就是删除的内容需要进行一个过滤，不能贪婪匹配，否则就达不到效果，使用正则中的[^]语法来限制不能出现某个特定的标志。