Java 用于在XML元素之间获取文本的正则表达式

我在看这个正则表达式

<(\\w*)>\\.*</(\\w*)>

\\*

阅读教程等。我理解为阅读，匹配表格后面的任何内容

<tag1>blah</tag1>

废话

i、 e.一个XML元素、一些文本和一个结束XML元素。然而，当我在各种正则表达式检查器上运行它时，例如Expresso，它与我认为应该的不匹配

注意：为了使事情进一步复杂化，这个正则表达式是用Java编写的，据我所知，这意味着存在一些细微的差异

我缺少什么

任何值得欣赏的东西

谢谢

使用：

<(\w*)>.*</(\w*)>

*

\\w

–文字

\

，然后

w

\

–literal

\

这就行了

<[^>]*>[^<]*<[^>]*>

]*>[^

匹配没有角括号。但这两个例子都匹配

<tag1>blah</tag2>

<tag1>blah</tag1>

废话

但是您是否需要匹配XML的标记，即

<tag1>blah</tag1>

废话

在这种情况下，您需要一个带有反向引用的解决方案。有关详细信息，请参阅此

此示例使用反向引用

<([^>]*)>[^<]*</\1>

---

]*）>[^转义仅适用于文字，但有些语言使用
\
来转义字符串中的字符本身，迫使您在字符串中使用
\
，以表示regex中的
\
，并试图实现
\
（regex中的文字
\
）在这样的语言中可以是
\\\\
。我认为这可能是在示例代码中看到
\\
时产生混淆的原因

改进正则表达式：

如果有人想成为灌洗者，并构建一个不规则的表达式，如：

< _some_tag some="stuff" >
    some <strong>content</strong>
< / _some_tag >

<\u some\u tag some=“stuff”>
一些内容


您可以使用这个更通用的正则表达式来捕获标记名、内容和属性

<\s*([A-Za-z_]\w*)\s*([^\>]+)>(.*?)<\s*\/\s\1\s*>

]+）>（*

请注意，
*？
是必需的，以防页面中进一步存在相同的标记，否则保持贪婪将使其捕获所有内容，直到最后一个同名标记关闭。另外，
blah
显然是假的，但是如果你想拥有这种灵活性，你可以只更改这个正则表达式的最后一部分。
你的基本问题是你的正则表达式是“贪婪的”，这意味着它将从第一个标记匹配到最后一个标记，包括嵌套的标记。要使其非贪婪，请使用非贪婪语法
*？
（而不是
*
）

另一个问题是您需要匹配标记-使用“反向引用”：
\1
表示“第一个捕获的组”

此正则表达式应该执行以下操作：

<(\w+)>.*?</\1>

*？

它在匹配的打开/关闭标记之间使用非贪婪捕获

虽然您使用的是java，但为了使正则表达式可读，我省略了反斜杠转义
\\
 与其他使用正则表达式访问XML的尝试一样，您的尝试是错误的。有两种错误：它不会匹配编写这段XML的所有合法方式（您检查过标签中允许使用空格吗？），它会匹配一些不应该匹配的内容（例如，看起来像XML但在注释或CDATA部分中的内容）

现在有些情况下，错误的代码是可以接受的，例如，如果你正在抓屏，并且对80%的成功率感到满意。但如果是这种情况，您需要将其作为解决方案的明确要求进行说明

您永远无法获得100%的成功率的原因是XML不是一种常规语言。这是一个专业术语。一些基本的计算机科学理论告诉你，正则表达式只能用于处理正则语言

您可能会发现使用XML解析器速度更快。我曾经有一个系统执行速度太慢了30倍，通过正确的解析替换正则表达式代码解决了这个问题。
您在java中使用正则表达式吗？你是指
blah
还是
blah
（注意结束标记名）？@波希米亚人纠正了拼写错误，并澄清了这是java。
<(\w+)>.*?</\1>