java 中使用正则匹配标签

第一类：单标签的匹配正则，以br为例：
Pattern p1 = Pattern.compile("]*>(.*?)(\\/> || >)");

Matcher m1 = p1.matcher(content);

while(m1.find()) {

//匹配到的内容

    String before_replace_tag = m1.group();

    if(before_replace_tag.length()>4){

log.info("已替换的内容是:" + before_replace_tag);

        content = content.replace(before_replace_tag,"");

    }else {

log.info( before_replace_tag +" 未达到替换标准，不进行替换！" );

    }

}

ps:其中的 (\\/> || >) 代表同时匹配有关闭符号和无关闭符号的，[^>]表示不是“>”的字符，*表示重复零次或更多次，这个意思是非“>”的字符可以有一个或多个，也可以没有。

可以匹配到的内容有下面这种样式的：

第二类：双标签的匹配，以a标签为例：

Pattern p1 = Pattern.compile("]*>(.*?)<\\/a>");

            Matcher m1 = p1.matcher(html);

            while(m1.find()) {

                String before_replace_tag = m1.group() ;

                int start_index = before_replace_tag.indexOf(">");

                int end_index = before_replace_tag.indexOf("") ;

                String after_replace_tag = before_replace_tag ;

                if(start_index != -1 && end_index!= -1 && end_index > start_index){

                    after_replace_tag = before_replace_tag.substring(start_index + 1,end_index) ;

                }

                html = html.replace(before_replace_tag,after_replace_tag) ;

            }

ps:可以匹配到任何的url。

常用正则的匹配理解：

后边多一个？表示懒惰模式。

必须跟在*或者+后边用

如：

如果用正则匹配src中内容非懒惰模式匹配

src=".*"

匹配结果是：src="test.jpg" width="60px" height="80px"

意思是从="往后匹配，直到最后一个"匹配结束

懒惰模式正则：

src=".*?"

结果：src="test.jpg"

因为匹配到第一个"就结束了一次匹配。不会继续向后匹配。因为他懒惰嘛。

.表示除\n之外的任意字符

*表示匹配0-无穷

+表示匹配1-无穷