使用正则表达式匹配HTML

问题描述

| 这是输入的HTML字符串：

Johnny：我最喜欢的颜色是粉红色
莎拉：我最喜欢的颜色是蓝色
约翰尼：让我们交换性别吗？
莎拉：好！
我想正则表达式匹配上面的粗体部分。基本上，找到\“> \”（或行首）和\“：\”之间的任何匹配项 我将此正则表达式设置为“ 0”，但无法正常工作，将以下部分加粗，包括

标记。我不想匹配任何HTML标签：

Johnny：我最喜欢的颜色是粉红色
莎拉：我最喜欢的颜色是蓝色
约翰尼：让我们交换性别吗？
莎拉：好！
我正在使用Java，其代码如下：

Matcher m = Pattern.compile(\"`(?>)[^>](.+):`\",Pattern.CASE_INSENSITIVE | Pattern.MULTILINE | Pattern.DOTALL).matcher(string); 

    

解决方法

以下代码应该工作：

String str = \"<p>Johnny Smith: My favorite color abc: is pink<br />\" +
\"Sarah: My favorite color is dark: blue<br />\" +
\"Johnny: Let\'s swap: genders?<br />\" +
\"Sarah: OK: sure!<br />\" +
\"</p>\";

Pattern p = Pattern.compile(\"(?:>|^)([\\\\w\\\\s]+)(?=:)\",Pattern.MULTILINE);
Matcher m = p.matcher(str); 
while(m.find()){
    System.out.println(m.group(1));
}

输出值

Johnny Smith
Sarah
Johnny
Sarah

    ,如果您想在单词后跟\'：\'进行匹配，则\“ \\ w +：\”应该足够了。但是，如果要包含\'> \'可能性，可以尝试：

        String s = \"<p>Johnny: My favorite color is pink<br />\" +
            \"Sarah: My favorite color is blue<br />\" +
            \"Johnny: Let\'s swap genders?<br />\" +
            \"Sarah: OK!<br />\" +
            \"</p>\";

    Pattern p = Pattern.compile(\"[>]?(\\\\w+):\");
    Matcher m = p.matcher(s); 
    while(m.find()){
        System.out.println(m.start()+\" : \"+m.group(1));
    }