Java 从正则表达式中检索不匹配和匹配的文本

我正在尝试搜索一个可以包含html和纯文本的Java字符串。如果html用单个记号

（“文本”）

包装，或者html块用三个记号

（“Sampletext”）

包装，我不需要从字符串中删除html。如果html没有用一个或三个勾号包装，那么我需要删除html

如果内容没有混合，下面的方法就可以了。我想修改它，以便

String value=“此处未勾选内容和此处“混合”内容”

将被写入内存/作为

此处未勾选内容和此处“混合”内容返回”

我认为我需要更改正则表达式，以便只将未勾选的（单个或三个）内容传递给我的jsoup html2text方法。关于如何更改正则表达式或逻辑，以便只将未勾选的内容传递给html2text方法，有什么想法吗？如果我传递整个字符串（带勾选的内容）对于jsoup，它将删除所有不需要的html

import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.apache.commons.lang.StringUtils;
import org.jsoup.Jsoup;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import com.fasterxml.jackson.core.JsonGenerationException;
import com.fasterxml.jackson.core.JsonGenerator;
import com.fasterxml.jackson.databind.SerializerProvider;
import com.fasterxml.jackson.databind.ser.std.StdSerializer;

public class HtmlSerializer extends StdSerializer<String> {
  private static final Logger LOG = LoggerFactory.getLogger(HtmlSerializer.class);
  private static final Pattern singlePattern = Pattern.compile("'.*'");
  private static final Pattern blockPattern = Pattern.compile("'''.*'''");

  protected HtmlSerializer() {
    super(String.class);
  }

  @Override
  public void serialize(String value, JsonGenerator jgen, SerializerProvider provider) throws IOException,
      JsonGenerationException {
      if(StringUtils.isNotBlank(value)){
          Matcher blockMatcher = blockPattern.matcher(value);
          Matcher singleMatcher = singlePattern.matcher(value);
          if(!blockMatcher.find() && !singleMatcher.find()){
              jgen.writeString(html2text(value));
          }else{
              jgen.writeString(value);
          }
      }else{
          jgen.writeString(value);
      }  
  }

  private static String html2text(String html) {
        return Jsoup.parse(html).text();
    }
}

import java.io.IOException；
导入java.util.regex.Matcher；
导入java.util.regex.Pattern；
导入org.apache.commons.lang.StringUtils；
导入org.jsoup.jsoup；
导入org.slf4j.Logger；
导入org.slf4j.LoggerFactory；
导入com.fasterxml.jackson.core.jsongGenerationException；
导入com.fasterxml.jackson.core.JsonGenerator；
导入com.fasterxml.jackson.databind.SerializerProvider；
导入com.fasterxml.jackson.databind.ser.std.std序列化程序；
公共类HtmlSerializer扩展了StdSerializer{
私有静态最终记录器LOG=LoggerFactory.getLogger（HtmlSerializer.class）；
私有静态最终模式singlePattern=Pattern.compile（“.*”）；
私有静态最终模式blockPattern=Pattern.compile（“'.*”）；
受保护的HtmlSerializer（）{
super（String.class）；
}
@凌驾
public void serialize（字符串值、JsonGenerator jgen、SerializerProvider提供程序）引发IOException，
JsonGenerationException{
if（StringUtils.isNotBlank（值））{
Matcher blockMatcher=blockPattern.Matcher（值）；
Matcher singleMatcher=singlePattern.Matcher（值）；
如果（！blockMatcher.find（）&&！singleMatcher.find（））{
jgen.writeString（html2text（value））；
}否则{
jgen.writeString（值）；
}
}否则{
jgen.writeString（值）；
}  
}
私有静态字符串html2text（字符串html）{
返回Jsoup.parse（html.text（）；
}
}

您的模式无法正常工作，因为

*

尽可能多地匹配。因此

.*

将从第一次出现的

'

到最后一次出现的

'

匹配，而不管中间有多少个

'

。在您的示例中，它将匹配整个序列

''mi'固定的“”内容“”在此处“”

要解决这个问题，最简单的方法是使用“不情愿的量词”

'.*？

将尽可能少地匹配，因此在下一次出现

'

时停止

这同样适用于您的组语法，请使用

'.*？'

。然后您可以将两者与or操作结合使用，以查找所有带引号的结构：

'.*？'.'...*.'...'.'.'.'.'.'.'.'.'.'.'.'

。必须首先指定三引号，否则它们将被视为多个单引号字符串

然后处理必须在子字符串上进行，如下所示：

Pattern p=Pattern.compile("'''.*?'''|'.*?'");
Matcher m=p.matcher(value);
int normalPos=0, length=value.length();
while(normalPos<length && m.find())
{
  int quotePos=m.start(), quoteEnd=m.end();
  if(normalPos<quotePos) processNormally(value.substring(normalPos, quotePos));
  final boolean tripleQuote=m.end()-m.start()>=6 && value.charAt(quotePos+1)=='\'';
  final int skip=tripleQuote? 3: 1;
  processQuoted(value.substring(quotePos+skip, quoteEnd-skip));
  normalPos=quoteEnd;
}
if(normalPos<length) processNormally(value.substring(normalPos));

Pattern p=Pattern.compile（“'.*？“'|'.*？”）；
匹配器m=p.Matcher（值）；
int normalPos=0，length=value.length（）；
while（normalPos）