Java正则表达式html解析器

可能重复：

我现在正在学习一些正则表达式，我遇到了这个问题：

所以我有一根像 TAG1 sometext TAG2 sometext TAG3 sometext

我需要得到的是tag语句之间的子字符串。差不多

Tag1 sometext
Tag2 some text
Tag3 someText

所以我写了这个正则表达式

Pattern pattern = Pattern.compile("TAG\\d.*TAG\\d");
Matcher matcher = pattern.matcher(string);
while(matcher.find){
    print(matcher.group);
}

但结果是

TAG1 sometext TAG2 some text TAG3 someText

我的理解是，点匹配任何东西，而星将其量化为零或多。因为我相信我的正则表达式的意思是 标记一些数字，然后标记一些其他东西，然后标记一些数字

当我写这篇文章的时候，我也意识到，我并不想要 标签#文本标签# 组合。 例如，我不想要 标签#文本标签#文本标签#

有人能增加我对正则表达式的理解吗

谢谢

编辑--

我不是在用正则表达式编写一个完整的html解析器。不 这是一个html解析项目，我正在使用Jsoup作为它的主要部分。

---

这个正则表达式只是为了获取一些关于html的元数据，以便我以某种形式将html传递给jsoup。

表达式中没有组。用妄想法把他们分成小组。比如“（TAG\d）（.*）（TAG\d）“我是正则表达式的新手，你可能需要玩你的正则表达式，但至少偏执的部分是最小的。

正则表达式的量词在默认情况下是贪婪的-它们将尽可能匹配，所以

*

匹配以下所有的标记序列。解释如何添加适当的修改器

你可能也会发现它很有用

---

还有，为什么这个标签是HTML？这似乎不是您要分析的内容。

我尝试了这个，但结果相同。为了学习起见，一个人如何匹配一个“（”呢？无论如何谢谢你的回答。反斜杠或像这样转义（（或\\或\n等）但它不起作用？一定是java特定的正则表达式引擎异常…我的意思是可能有其他方法可以做到这一点。您希望只进行一次练习，或者使用正则表达式构建应用程序，因为如果是前者，我可能建议您使用更好的正则表达式工具。如果您不想在输出中看到标记部分，则需要添加一个组：

TAG\d（.*）

，但请参见我关于限制匹配内容的回答。任何时候，如果要将特殊字符作为文本进行匹配，只需添加转义：

\\（

将匹配一个左括号。最重要的是..用regex编写一个完整的HTML解析器是一项非常艰巨的任务。regex的限制将打击你。regex是一把双面剑，请使用HTML解析器，答案如下：啊，你是对的，它不应该被标记为这样的。不过，它是HTML解析项目的一部分，一个我的大脑处于自动导航状态…只是为了回应@Nishant，用正则表达式解析HTML是一项可怕的任务，应该只用于教育目的。我对解析器有很好的经验。