Java正则表达式匹配除一个特殊情况外的所有html元素

我有一个带有标记的字符串，如下所示：

敏捷的布朗跳过了懒惰的布朗。

我正试着剥去一切，除了锚元素”entry://id=“里面。因此，上述示例的期望输出为：

敏捷的棕色狐狸跳过了懒惰的狐狸。

写下这场比赛，我迄今为止最接近的是：

！*

但我不明白为什么这不起作用。任何帮助（除了“为什么不使用解析器”：）都将不胜感激
 我真的不会使用regexps来解析HTML。HTML是不规则的，没有结束的边缘案例会绊倒你

改为签出。
使用正则表达式不容易。我推荐一个理解HTML/XML语义的解析器

如果您坚持，您可以采取多步骤方法，例如：


使用以下方法替换
“：

((<a href="entry://id=\d+">.*?</a>)|<!\[CDATA\[.*?\]\]>|<!--.*?-->|<.*?>)

（（）| | |）

并将其与替换所有$2组合在一起将适用于您的示例。下面的代码证明了这一点：

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

import static org.junit.Assert.*;
import org.junit.Test;


public class TestStack1305864 {

    @Test
    public void matcherWithCdataAndComments(){
        String s="The quick <span>brown</span> <a href=\"www.fox.org\">fox</a> jumped over the lazy <![CDATA[ > ]]> <a href=\"entry://id=6000009\">dog</a> <img src=\"dog.png\" />.";
        String r="The quick brown fox jumped over the lazy <a href=\"entry://id=6000009\">dog</a> .";
        String pattern="((<a href=\"entry://id=\\d+\">.*?</a>)|<!\\[CDATA\\[.*?\\]\\]>|<!--.*?-->|<.*?>)";
        Pattern p = Pattern.compile(pattern);
        Matcher m = p.matcher(s);

        String t = s.replaceAll(pattern, "$2");
        System.out.println(t);
        System.out.println(r);
        assertEquals(r, t);
    }
}

import java.util.regex.Matcher；
导入java.util.regex.Pattern；
导入静态org.junit.Assert.*；
导入org.junit.Test；
公共类TestStack1305864{
@试验
public void matcherWithCDATA和comments（）{
String s=“敏捷的布朗跳过了懒惰的人]]>”；
String r=“敏捷的棕色狐狸跳过了懒惰的狐狸。”；
字符串模式=“（（）| | |”）”；
Pattern p=Pattern.compile（Pattern）；
匹配器m=匹配器p；
字符串t=s.replaceAll（模式，$2”）；
系统输出打印ln（t）；
系统输出println（r）；
资产质量（r，t）；
}
}

其思想是捕获您感兴趣保留在特定组中的所有元素，以便您可以将它们重新插入字符串中。

这样您就可以替换所有：

对于与感兴趣的元素不匹配的每个元素，组将为空，元素将替换为“”

对于感兴趣的元素，组将不会为空，并将附加到结果字符串

编辑：在CDATA和注释中处理嵌套的
编辑：有关regex合成模式的信息，请参阅，该模式旨在使regex更易于阅读，以便于维护。
+1。类似的问题每天都会发布好几次。信不信由你，你根本无法解析[X][HT]ML和regex一起使用，并且试图这样做会让你产生奇怪的错误、混乱和安全漏洞。不要这样做。有HTML解析器。对不起，你似乎在使用“正则”作为技术术语。如果是，你能给我指一个参考吗？我现在要表明我的无知，并说regexps不会处理任意嵌套的结构（您可以通过CDATA区域等进行嵌套）。我不完全熟悉此场景中“regular”的正确定义，欢迎更合格的SOer发表评论！他不想验证html或理解它的语义，他只是试图删除标记。标记结构本身是规则的。我能想到的唯一情况是，您可以在哪里实际embbed'>'or'@Beta:regular在本文中指的是常规语言，如计算机科学中所用，并在此处解释：。