Java regex để trích xuất văn bản giữa các thẻ

Tôi có một tệp với một số thẻ tùy chỉnh và tôi muốn viết một biểu thức chính quy để trích xuất chuỗi giữa các thẻ. Ví dụ: nếu thẻ của tôi là:

[customtag]String I want to extract[/customtag]

Làm cách nào để viết một biểu thức chính quy để chỉ trích xuất chuỗi giữa các thẻ. Đoạn mã này có vẻ như là một bước đi đúng hướng:

Pattern p = Pattern.compile("[customtag](.+?)[/customtag]");
Matcher m = p.matcher("[customtag]String I want to extract[/customtag]");

Không biết phải làm gì tiếp theo. Có ý kiến ​​gì không? Cảm ơn.

Bạn đang đi đúng hướng. Bây giờ bạn chỉ cần giải nén nhóm mong muốn, như sau:

final Pattern pattern = Pattern.compile("<tag>(.+?)</tag>", Pattern.DOTALL);
final Matcher matcher = pattern.matcher("<tag>String I want to extract</tag>");
matcher.find();
System.out.println(matcher.group(1)); // Prints String I want to extract

Nếu bạn muốn trích xuất nhiều lần truy cập, hãy thử cách này:

public static void main(String[] args) {
    final String str = "<tag>apple</tag><b>hello</b><tag>orange</tag><tag>pear</tag>";
    System.out.println(Arrays.toString(getTagValues(str).toArray())); // Prints [apple, orange, pear]
}

private static final Pattern TAG_REGEX = Pattern.compile("<tag>(.+?)</tag>", Pattern.DOTALL);

private static List<String> getTagValues(final String str) {
    final List<String> tagValues = new ArrayList<String>();
    final Matcher matcher = TAG_REGEX.matcher(str);
    while (matcher.find()) {
        tagValues.add(matcher.group(1));
    }
    return tagValues;
}

Tuy nhiên, tôi đồng ý rằng cụm từ thông dụng không phải là câu trả lời tốt nhất ở đây. Tôi muốn sử dụng XPath để tìm các phần tử mà tôi quan tâm. Xem API Java XPath để biết thêm thông tin.

Thành thật mà nói, cụm từ thông dụng không phải là ý tưởng tốt nhất cho loại phân tích cú pháp này. Biểu thức chính quy bạn đã đăng có thể sẽ hoạt động tốt đối với các trường hợp đơn giản, nhưng nếu mọi thứ trở nên phức tạp hơn, bạn sẽ gặp phải vấn đề lớn (cùng một lý do tại sao bạn không thể phân tích cú pháp HTML bằng biểu thức chính quy một cách đáng tin cậy). Tôi biết bạn có thể không muốn nghe điều này, tôi biết tôi đã không làm thế khi hỏi cùng một loại câu hỏi, nhưng phân tích cú pháp chuỗi đã trở nên đáng tin cậy hơn đối với tôi sau khi tôi ngừng cố gắng sử dụng biểu thức chính quy cho mọi thứ.

jTopas là một trình phân tích cú pháp TUYỆT ĐỐI giúp bạn viết trình phân tích cú pháp bằng tay khá dễ dàng (Tôi MẠNH MẼ đề xuất jtopas trên các thư viện java scanner / etc .. tiêu chuẩn). Nếu bạn muốn xem jtopas trong hành động, đây là một số phân tích cú pháp tôi đã viết bằng jTopas để phân tích này loại tập tin

Nếu bạn đang phân tích cú pháp tệp XML, bạn nên sử dụng thư viện trình phân tích cú pháp xml. Đừng tự làm điều đó trừ khi bạn chỉ làm điều đó cho vui, có rất nhiều lựa chọn đã được chứng minh trên mạng

Một cách tiếp cận chung chung, đơn giản hơn và một chút nguyên thủy để tìm thẻ, thuộc tính và giá trị

    Pattern pattern = Pattern.compile("<(\\w+)( +.+)*>((.*))</\\1>");
    System.out.println(pattern.matcher("<asd> TEST</asd>").find());
    System.out.println(pattern.matcher("<asd TEST</asd>").find());
    System.out.println(pattern.matcher("<asd attr='3'> TEST</asd>").find());
    System.out.println(pattern.matcher("<asd> <x>TEST<x>asd>").find());
    System.out.println("-------");
    Matcher matcher = pattern.matcher("<as x> TEST</as>");
    if (matcher.find()) {
        for (int i = 0; i <= matcher.groupCount(); i++) {
            System.out.println(i + ":" + matcher.group(i));
        }
    }

Thử đi:

Pattern p = Pattern.compile(?<=\\<(any_tag)\\>)(\\s*.*\\s*)(?=\\<\\/(any_tag)\\>);
Matcher m = p.matcher(anyString);

Ví dụ:

String str = "<TR> <TD>1Q Ene</TD> <TD>3.08%</TD> </TR>";
Pattern p = Pattern.compile("(?<=\\<TD\\>)(\\s*.*\\s*)(?=\\<\\/TD\\>)");
Matcher m = p.matcher(str);
while(m.find()){
   Log.e("Regex"," Regex result: " + m.group())       
}

Đầu ra:

10 Ene

3,08%

    final Pattern pattern = Pattern.compile("tag\\](.+?)\\[/tag");
    final Matcher matcher = pattern.matcher("[tag]String I want to extract[/tag]");
    matcher.find();
    System.out.println(matcher.group(1));

    String s = "<B><G>Test</G></B><C>Test1</C>";

    String pattern ="\\<(.+)\\>([^\\<\\>]+)\\<\\/\\1\\>";

       int count = 0;

        Pattern p = Pattern.compile(pattern);
        Matcher m =  p.matcher(s);
        while(m.find())
        {
            System.out.println(m.group(2));
            count++;
        }

Tôi đặt tiền tố cho câu trả lời này bằng "bạn không nên sử dụng một biểu thức chính quy để phân tích cú pháp XML - nó chỉ dẫn đến các trường hợp cạnh không hoạt động đúng và regex ngày càng phức tạp trong khi bạn cố gắng sửa nó . "

Điều đó đang được nói, bạn cần phải tiếp tục bằng cách khớp chuỗi và lấy nhóm bạn muốn:

if (m.matches())
{
   String result = m.group(1);
   // do something with result
}