Java 使用Regex标识存在的html标记

我在android上做这件事，我不想使用任何html解析器（库），因为唯一的目的是了解除了和

即时通讯使用：

模式p= 模式。编译（“”）

---

这可以很好地返回除B、I、p之外的所有标记，但它也会删除标记。有人可以修改它而不忽略img标签吗？

您想识别还是删除标签

您想区分像

这样的标签和符合合法定义的标签吗

---

有关在java中创建轻量级HTML清理策略的方法，请参阅。

我认为您的正则表达式定义应该如下所示：

Pattern p = Pattern.compile("(?i)<(?![bip]\\b).*?/?>");

Pattern p=Pattern.compile（“（？i）”）；

• 用于否定前瞻//即

---

如果您想找到文档中的标签，我建议您使用多个步骤：

• 提取所有标签并将其放入列表中；regexp相当简单
• 对你的单性列表进行排序，过滤它以删除你不需要的符号（如i、b、p…）

这样做可以封装到一个类中，如果您想过滤其他标记，则更易于配置，比神秘的正则表达式更易于理解和长期维护

---

我的2c

哦，我的错，第一次可能没有答对问题。编辑了答案。请再试一次。是的，我肯定我已经在上面的答案中添加了一些描述，在这里添加了更多。此正则表达式正在使用负前瞻，如下所述：。我的回答基本上是说match

不错，但我有一些缺点。（1） 
/？
是否与
*？
冗余？（2） 
*？
不应该匹配换行符，或者有DOT\u ALL标志吗？（3） 要正确处理
，可以将
\\b
替换为
（？！=[A-Z0-9:-]）
@MikeSamuel:完全同意您的观点#这里的1和2。然而，大约3:OP想要否定Android上匹配的标准HTML标记
，
和
，而AFAIK
不属于这一类。这看起来像是其他人用他们的观点劫持线程的复制品。没有人愿意提供准确的解决方案。@taranfx，您说过“但它也删除了
标记”。你这是什么意思？我的正则表达式删除了它，但我不想。