Java 从html字符串中删除一些段落

我有一个字符串，它是一系列html段落，我想删除（使用string的方法replaceAll）包含单词“UPDATE”的段落，通常它们的形式如下：

<p><a href="blabla">(UPDATE)<a></p>

---

你能帮我找到“regex”部分吗？我对regex一点也不在行…

我想这就是你要找的。您需要使用。*？而不是。*因为这迫使搜索变得懒惰而不是贪婪

public class Test {

    public static void main(String[] args) {
        String haystack = "<p><a href='bla'>(UPDATE)</a></p><p><a href='bla'><strong>(UPDATE)</strong></a></p><p><a href='bla'><strong>(Non uppercase 'update' to show this match is exact)</strong></a></p><p><a href='bla'><strong>This does not contain the word you're looking for</strong></a></p>";
        String regex = "<p>.*?(UPDATE).*?</p>";

        String result = haystack.replaceAll(regex, "");
        System.out.println("Result: " + result);
    }
}

公共类测试{
公共静态void main（字符串[]args）{
字符串haystack=“”；
字符串regex=“*？（更新）。*？
”；
字符串结果=haystack.replaceAll（regex，“”）；
System.out.println（“结果：+Result”）；
}
}

我想这就是你要找的。您需要使用。*？而不是。*因为这迫使搜索变得懒惰而不是贪婪

public class Test {

    public static void main(String[] args) {
        String haystack = "<p><a href='bla'>(UPDATE)</a></p><p><a href='bla'><strong>(UPDATE)</strong></a></p><p><a href='bla'><strong>(Non uppercase 'update' to show this match is exact)</strong></a></p><p><a href='bla'><strong>This does not contain the word you're looking for</strong></a></p>";
        String regex = "<p>.*?(UPDATE).*?</p>";

        String result = haystack.replaceAll(regex, "");
        System.out.println("Result: " + result);
    }
}

公共类测试{
公共静态void main（字符串[]args）{
字符串haystack=“”；
字符串regex=“*？（更新）。*？
”；
字符串结果=haystack.replaceAll（regex，“”）；
System.out.println（“结果：+Result”）；
}
}

强烈反对使用正则表达式，并建议使用轻量级HTML解析器（如tagsoup）来执行此操作。它适用于android应用程序，因为我只有这些字符串。您认为添加外部.jar文件更好吗？不过，我更担心性能…如果你说我会有所改进，我可以试试…强烈反对regex，建议使用tagsoup这样的轻量级HTML解析器。这是针对android应用程序的，因为我只有那些字符串，你认为添加外部.jar文件更好吗？不过，我更担心表现……如果你说我会有进步，我可以试试……对不起，到底有什么区别？效率更高吗？@Phate Jeroen regex更好，因为如果你一段接一段地写两段，就会发现两段都有+1对于Jeroen，我删除了我的。对不起，确切的区别在哪里？效率更高吗？@Phate Jeroen regex更好，因为如果你有两段，一段接一段，两段都会找到+1对于Jeroen，我删除了我的。