Java 方法不会替换所有标记

我有一个包含2个方法的类，其中一个生成一个与禁止的html标记匹配的正则表达式，另一个扫描给定的输入字符串以查找这些标记：

private Pattern pattern;

private List<Pattern> generatePatterns(String[] blacklist)
{
    List<Pattern> deleteList = new ArrayList<Pattern>();
    for (String s : blacklist)
    {
        pattern = Pattern.compile("(?i)<((\\s|/)|(\\s,/))*?" + s + ".*?>");
        deleteList.add(pattern);
    }

    return deleteList;
}

public String cleanHTML(String unsafe, String[] blacklist)
{
    try
    {
        List<Pattern> gp = generatePatterns(blacklist);
        BufferedReader br = new BufferedReader(new StringReader(unsafe));
        String s;
        StringBuilder builder = new StringBuilder();

        while ((s = br.readLine()) != null)
        {
            builder.append(s);
        }

        for (Pattern p : gp)
        {
            Matcher mat = p.matcher(builder.toString());
            if(mat.find()){
                builder.replace(mat.start(), mat.end(), "");
            }

        }
        return builder.toString();
    } catch (Exception e)
    {
        ...
    }


}

私有模式；
私有列表生成器模式（字符串[]黑名单）
{
List deleteList=new ArrayList（）；
用于（字符串s:黑名单）
{
pattern=pattern.compile（“（？i）”）；
deleteList.add（模式）；
}
返回删除列表；
}
公共字符串cleanHTML（字符串不安全，字符串[]黑名单）
{
尝试
{
列表gp=生成模式（黑名单）；
BufferedReader br=新BufferedReader（新StringReader（不安全））；
字符串s；
StringBuilder=新的StringBuilder（）；
而（（s=br.readLine（））！=null）
{
建造商。附加；
}
用于（模式p:gp）
{
Matcher mat=p.Matcher（builder.toString（））；
if（mat.find（））{
替换（mat.start（），mat.end（），“”）；
}
}
返回builder.toString（）；
}捕获（例外e）
{
...
}
}

我已使用此输入对其进行了测试：

String[] blacklist = new String[]
    { "img", "a", "script", "svg", "style", "link", "meta", "noscript", "code", "span", "div", "iframe", "object", "video", "source", "map", "area",
            "form", "onclick", "button" };
    String unsafe = "<p class='p1'>paragraph</p><img></img><Img><Script><Svg><a href><style><link><meta><noscript><code>"
            + "<span><div><iframe><object><video><audio><source><map><area><form><onclick><button>"
            + "< no html > <A href='#'>Link</A> <![CDATA[<sender>John Doe</sender>]]><a link=''>other link</a>";

String[]黑名单=新字符串[]
{“img”，“a”，“script”，“svg”，“style”，“link”，“meta”，“noscript”，“code”，“span”，“div”，“iframe”，“object”，“video”，“source”，“map”，“area”，
“窗体”、“onclick”、“按钮”}；
String unsafe=“
段落
John Doe]]>John Doe]]>otherlink

因此，它基本上匹配了大多数黑名单上的标签，但不是全部。出于某种原因，它只替换了3个标签中的1个。我很确定，这与我的正则表达式有关，尽管它以前工作得很完美，但现在它不再匹配结束标签（例如），出于某种原因，它也不会替换和标签

---

如果我这样更改方法：

public String cleanHTML(String unsafe,String[] taglist){

        List<Pattern> gp = generatePatterns(taglist);

        for (Pattern p : gp)
        {
            Matcher mat = p.matcher(unsafe);
            unsafe = ((mat.find()) ? mat.replaceAll("") : unsafe);          

        }
        return unsafe;

}

publicstringcleanhtml（字符串不安全，字符串[]标记列表）{
列表gp=生成模式（标记列表）；
用于（模式p:gp）
{
Matcher mat=p.Matcher（不安全）；
不安全=（（mat.find（））？mat.replaceAll（“”：不安全）；
}
不安全返回；
}

---

它可以工作，可能与缓冲字符串有关？尽管它取代了大多数标记。让我发疯。

永远不要使用正则表达式解析HTML，HTML结构可能会变得非常复杂，要实现一个完美的正则表达式来处理HTML并不容易。我建议使用类似的HTML解析器库

您可以像这样删除标记

Document document = Jsoup.parse(html);
document.select("img").unwrap(); //removes all <img> tags
document.select("p, a, img").unwrap(); //remove multiple tags

documentdocument=Jsoup.parse（html）；
document.select（“img”）.unwrap（）；//删除所有标记
document.select（“p，a，img”）.unwrap（）；//删除多个标记

请参阅[为什么不应该使用正则表达式解析HTML]（）谢谢你的提示。我已经听说过这个库。问题是我不能使用外部库，因为这个作业是为了了解正则表达式

Document document = Jsoup.parse(html);
document.select("img").unwrap(); //removes all <img> tags
document.select("p, a, img").unwrap(); //remove multiple tags