用于查找HTML标记及其内容的正则表达式的否定-java

我在uni做一个项目，我必须使用regex清理一些HTML代码（我知道，这不是最好的方法…）

机构的投入：

<h1>This is heading 1</h1>
<h2 style="color: aqua">This is heading 2</h2>
<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<a href="https://www.w3schools.com">This is a link</a>
<ul>
  <li>Coffee</li>
  <li>Tea</li>
  <li>Milk</li>
</ul>

它工作，但现在我必须否定它，并删除所有的标签和内容，除了那些在

我试过这个，但不起作用：

`...[?!h3|ul|p]...`

本例的预期结果：

<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<ul>
</ul>

这是标题3
这是一段

这是另一段

---

我真的不太明白消极前瞻以及如何将其应用于我的问题，因此我将感谢您提供的任何建议。

您可能希望提取您希望在所需输出中的内容。此表达式可能是更好的选择，如果您愿意，可以对其进行修改：

(<(p|h3.*)>.*<\/(.*)>)|(<(ul.*)>[\s\S]*<\/(ul)>)

（.*）|（[\s\s]*）

它有两个组，一个用于p和h3，另一个用于ul，您可以将它们包装到另一个捕获组：

((<(p|h3.*)>.*<\/(.*)>)|(<(ul.*)>[\s\S]*<\/(ul)>))

（（.*）|（[\s\s]*））

正则表达式 如果这不是您想要的表达式，您可以在中修改/更改表达式

正则表达式电路 您还可以在以下位置可视化您的表达式：

Java测试

import java.util.regex.Matcher；
导入java.util.regex.Pattern；
最后一个字符串regex=“（.*）|”（[\\s\\s]*）”；
final String=“这是标题1\n”
+“这是标题2\n”
+“这是标题3\n”
+“这是一个段落。
\n”
+“这是另一段。
\n”
+“\n”
+“
\n”
+“
咖啡
\n”
+“
茶
\n”
+“
牛奶
\n”
+“
”；
最终模式=Pattern.compile（regex，Pattern.MULTILINE）；
final Matcher Matcher=pattern.Matcher（字符串）；
while（matcher.find（））{
System.out.println（“完全匹配：+matcher.group（0））；
对于（int i=1；i{
log（`Found match，group${groupIndex}:${match}`）；
});
}

您尝试使用的负面前瞻需要写成

（？！（？：h3 | ul | p）\b）

，它不会选择

h3

或

ul

或

p

标记。注意在它后面使用单词boundary

\b

，以便拒绝这些标记的精确匹配。除了移除那些标记，你还必须移除移除那些标记后留下的空白，因此你需要使用的正则表达式是这样的

\h*<(?!(?:h3|ul|p)\b)([^>]+).*?>[\w\W]*?</\1>\s*

产出

Before:
<h1>This is heading 1</h1>
<h2 style="color: aqua">This is heading 2</h2>
<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<a href="https://www.w3schools.com">This is a link</a>
<ul>
  <li>Coffee</li>
  <li>Tea</li>
  <li>Milk</li>
</ul>

After:
<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<ul>
</ul>

之前：
这是标题1
这是标题2
这是标题3
这是一段

这是另一段


咖啡
茶
牛奶

之后：
这是标题3
这是一段

这是另一段

“我尝试了这个，但没有成功：…[？！h3 | ul | p]…”负匹配的语法是

（？！xxx）

，称为“零宽度负前瞻”。请参阅以获取显示语法的javadoc和说明。仅供参考：在Java中，不需要转义

/

，因为这不是特殊字符。在语言中，它只是一个特殊字符，用

/

引用regex，即regex写为

/xxx/

，除非递归地应用regex，否则它不会删除允许标记中不允许的标记。它也不会将测试保留在任何标签之外。例如，由于

标记是不允许的，因此应该删除它们，如问题中的“期望结果”所示，但您的解决方案保留了它们。@Emma yep，这是一个相当大的问题，因为当我使用您的方法时，我需要只提取允许的标记，而不提取（可能不允许的）内的标记。。。你知道怎么做吗？非常感谢你的评论，我已经试过了。

\h*<(?!(?:h3|ul|p)\b)([^>]+).*?>[\w\W]*?</\1>\s*

String s = "<h1>This is heading 1</h1>\r\n" + 
        "<h2 style=\"color: aqua\">This is heading 2</h2>\r\n" + 
        "<h3>This is heading 3</h3>\r\n" + 
        "<p>This is a paragraph.</p>\r\n" + 
        "<p>This is another paragraph.</p>\r\n" + 
        "<a href=\"https://www.w3schools.com\">This is a link</a>\r\n" + 
        "<ul>\r\n" + 
        "  <li>Coffee</li>\r\n" + 
        "  <li>Tea</li>\r\n" + 
        "  <li>Milk</li>\r\n" + 
        "</ul>";

System.out.println("Before:\n" + s);
System.out.println("\nAfter:\n" + s.replaceAll("\\h*<(?!(?:h3|ul|p)\\b)([^>]+).*?>[\\w\\W]*?</\\1>\\s*", ""));

Before:
<h1>This is heading 1</h1>
<h2 style="color: aqua">This is heading 2</h2>
<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<a href="https://www.w3schools.com">This is a link</a>
<ul>
  <li>Coffee</li>
  <li>Tea</li>
  <li>Milk</li>
</ul>

After:
<h3>This is heading 3</h3>
<p>This is a paragraph.</p>
<p>This is another paragraph.</p>
<ul>
</ul>