Java regex组合标签

我有一个xml输出，如下所示

 <B-company> The  British </B-company> <I-company> Broadcasting  Corporation is a </I-company> <B-Type> public  </B-Type> <I-Type> service  broadcaster </I-Type> <HQ> headquartered   </HQ> <B-company> at  </B-company> <I-company> Broadcasting  </I-company> <B-Type> House  </B-Type> <I-Type> in  </I-Type> <HQ> London  </HQ>

英国广播公司是一家公共服务广播公司，总部设在伦敦广播公司

这里，B-tag表示开始标记，I-tag表示继续标记/结束标记（如果没有找到更多的I-tag）

我正在寻找像这样的输出

<company> The  British Broadcasting  Corporation is a </company> <Type> public   service  broadcaster </Type> <HQ> headquartered   </HQ> <company> at  Broadcasting  </company> <Type> House in  </Type> <HQ> London  </HQ>

英国广播公司是一家公共服务广播公司，总部设在伦敦广播公司

---

i、 e.需要从第一个标记中删除字符“B-”，从而形成所有标记，直到我们有“/i-”标记并在末尾添加。我们如何在java正则表达式中实现这一点。

您可以尝试以下正则表达式：

</[BI]-(\w+)>\s*<I-\1>|(</?)[BI]-(\w+>)

\s*|（）

并替换为

\2\3

---

它的作用是：

\s*

匹配结束标记，紧接着是继续标记。在第2组或第3组中未捕获任何文本，因此与此匹配的所有文本都将被删除

---

（）

然后匹配以

B-

或

I-

开头的其余标记。它捕获了第2组和第3组中

B-

或

I-

周围的文本，因此通过替换为

\2\3

，

B-

或

I-

可以有效地删除。

关于使用正则表达式解析XML/HTML的内容…@Arc676如果输出是XML，则很难称之为“解析”。这些看起来像是基本的字符串操作，只是字符串恰好是xml。@Rawing，你说得对。它只是用一些标记编码的基本字符串。它不遵循正常的xml约定。在我看来，使用XML解析器似乎有点过分了。因此，在线演示站点的regex方法帮助很大。这是我想要展示我天真的正则表达式技巧的东西。非常感谢你的提问和提供正确的答案！这非常有帮助，因为我还在使用IOB标记对XML进行一些转换。