JAVA正则表达式删除html标记和内容

可能重复：

我想删除特定的HTML标记及其内容

例如，如果html为：

<span style='font-family:Verdana;mso-bidi-font-family:
"Times New Roman";display:none;mso-hide:all'>contents</span>

内容

如果标记包含“mso-*”，则必须删除整个标记（开始、结束和内容）。

正如他在评论中指出的那样，html解析器就是解决方法。如果您真的想以艰难的方式完成，下面是一个有效的正则表达式：

    String html = "FOO<span style='font-family:Verdana;mso-bidi-font-family:"
        + "\"Times New Roman\";display:none;mso-hide:all'>contents</span>BAR";
    // regex matches every opening tag that contains 'mso-' in an attribute name
    // or value, the contents and the corresponding closing tag
    String regex = "<(\\S+)[^>]+?mso-[^>]*>.*?</\\1>";
    String replacement = "";
    System.out.println(html.replaceAll(regex, replacement)); // prints FOOBAR

String html=“FOOcontentsBAR”；
//正则表达式匹配属性名中包含“mso-”的每个开始标记
//或值、内容和相应的结束标记
字符串regex=“]+？mso-[^>]*>.*”；
字符串替换=”；
System.out.println（html.replaceAll（regex，replacement））；//打印FOOBAR

就我个人而言，我会使用HTML解析器。这些类型的问题可能重复，在这里没有被多次询问过吗？如果style属性不包含任何

mso-

指令。。。也许需要一个更通用的regexp。@pap让我引用一下OP：如果标记包含“mso-*”，它必须删除整个标记（开始、结束和内容）。我的帖子回答了他的问题，我不理解你的评论。事实上你是对的。我为没有正确阅读这个问题而感到羞耻：）我认为你低估了自己，你似乎很好地理解了我的评论，只是我错了；）@爸爸，这是我礼貌的说法，我认为你的评论是错误的；）