Java 用正则表达式提取数据

我试图摘录以下句子：

str="<a href=\"https://blabla.com/truck\">truck</a> A wheeled, powered motor vehicle used for transportation."

找不到使用正则表达式正常提取句子的方法，每次都会遗漏一些内容

---

编辑：所需结果的结构是“

”符号前的单词，以及紧跟其后的句子的其余部分（单词是随机的，句子也是随机的）。

在这种情况下，只需删除

之间的文本即可：

String str="<a href=\"https://blabla.com/truck\">truck</a> A wheeled, powered motor vehicle used for transportation.";
System.out.println(str.replaceAll("<[^>]*>", ""));

String str=“一种用于运输的轮式机动车辆。”；
System.out.println（str.replaceAll（“]*>”，“”）；

---

但通常避免使用正则表达式解析HTML。它有许多潜在的问题。您可以在此处阅读有关它们的信息：

使用合适的解析器，这样可以为您完成所有的艰苦工作

String str="<a href=\"https://blabla.com/truck\">truck</a> A wheeled, powered motor vehicle used for transportation.";
Document doc = Jsoup.parse(str);
String text = doc.text();//get text which this HTML structure will generate in browser
System.out.println(text);

String str=“一种用于运输的轮式机动车辆。”；
Document doc=Jsoup.parse（str）；
字符串text=doc.text（）//获取此HTML结构将在浏览器中生成的文本
System.out.println（文本）；

结果：

卡车用于运输的轮式机动车辆。

我不能在这个项目中使用jsoup库，有没有办法将它与正则表达式一起使用？通常，使用正则表达式解析复杂的XML/HTML是非常糟糕的选择，所以答案取决于文本的复杂性。您可能需要更新您的问题，其中可能包含有关要解析的结构的所有详细信息。您可以简单地尝试删除

之间存在的所有内容，但如果您可能有一些

或

部分，这可能会失败。@gb051我更新了我的答案，为这种情况提供了简单的解决方案，但我不能保证这将适用于您的其他情况。在正则表达式中，将“？”放在“*”之后，使正则表达式不那么贪婪。@gonbe为什么？我使用
[^>]*
正是为了避免
*？
及其回溯。您能展示一下您迄今为止的尝试吗？你能提取
truck
和后面的内容并将它们连接在一起吗？
String str="<a href=\"https://blabla.com/truck\">truck</a> A wheeled, powered motor vehicle used for transportation.";
Document doc = Jsoup.parse(str);
String text = doc.text();//get text which this HTML structure will generate in browser
System.out.println(text);