正则表达式

发布日期：2022-01-25

最后更新：2025-07-02 22:45:20

阅读：6,621

这里并不是真的要写正则表达式，而是通过RegularUtil从文本内容中抽取内容，达到正则表达式的效果

如从一段html中抽取h1标签内的内容
抽带有指定属性的标签或标签体
对于复杂的格式可能需要抽取某几个标记之间的内容
删除html标签但保留标签体
删除标签属性但保留标签与标签体

经常用于爬虫结果处理

正则表达式 · 2022-11-07

根据属性名与属性值删除标签(只删除标签，保留标签体)

/** * 根据属性名与属性值删除标签(只删除标签，保留标签体) * @param src xml/html * @param attribute 属性名 * @param value 属性值 * @return String */ public static String removeTagByAttributeValue(String src, String attribute, Str

正则表达式 · 2022-11-07

删除简单标签外的其他标签

/** * 删除简单标签外的其他标签 * "br","b","strong","u","i","pre","ul","li","p" * @param src html * @return String */ public static String removeHtmlTagExceptSimple(String src)

正则表达式 · 2022-11-07

删除所有空标签

/** * 删除所有空标签 * @param src xml/html * @return String */ public static String removeEmptyTag(String src)

正则表达式 · 2022-11-07

删除标签及标签体

/** * 删除标签及标签体 * @param src xml/html * @param tags 标签，如果不提供则删除所有标签 * @return String */ public static String removeTagWithBody(String src, String ...tags)

正则表达式 · 2022-11-07

清除所有标签(只清除标签,不清除标签体)

/** * 清除所有标签(只清除标签,不清除标签体) * @param src xml/html * @param tags tags * @return String */ public static String removeTag(String src, String ...tags)

正则表达式 · 2022-11-07

删除 tags之外的标签只删除标签不删除标签体

/** * 删除 tags之外的标签只写一次 "b" * 只删除标签不删除标签体 * @param src html * @param tags tags * @return String */ public static String removeTagExcept(String src, String ...tags)

正则表达式 · 2022-11-07

获取所有包含attribute属性并且值=value 的标签与标签体

/** * 获取所有包含attribute属性并且值=value 的标签与标签体 * 单标签只匹配有/>结尾的情况,避免与双标签的开始标签混淆 * 如class="a" : attribute=class value=a * style="width:100px;" :attribute=style value=width * [ * [整个

正则表达式 · 2022-11-07

获取所有包含attribute属性的标签与标签体,不支持相同标签嵌套

/** * 获取所有包含attribute属性的标签与标签体,不支持相同标签嵌套 * [ * [整个标签含标签体, 开始标签, 结束标签, 标签体, 标签名称], * [整个标签含标签体, 开始标签, 结束标签, 标签体, 标签名称] * ] * @param src xml/html * @param a

正则表达式 · 2022-11-07

根据属性名删除标签(只删除标签，保留标签体)

/** * 根据属性名删除标签(只删除标签，保留标签体) * @param src xml/html * @param attribute 属性名 * @return String */ public static String removeTagByAttribute(String src, String attribute) RegularUtil.removeTagByAttribute

正则表达式 · 2022-11-07

删除所有包含attribute属性=value值的标签连同标签体一起删除

删除所有包含attribute属性=value值的标签连同标签体一起删除 RegularUtil.removeTagWithBodyByAttributeValue(s,"class","a")

正则表达式 · 2022-11-07

删除所有包含attribute属性的标签连同标签体一起删除

删除所有包含attribute属性的标签连同标签体一起删除 RegularUtil.removeTagWithBodyByAttribute(str,"class") <

正则表达式 · 2022-10-27

从html中抽取内容片段

String html = "一段html源码"; 获取所有包含attribute属性的标签与标签体,不支持相同标签嵌套 RegularUtil.getTagAndBodyWithAttribute(html, "class") 获取所有包含attribute属性包含value值的标签与标签体 RegularUtil.getTagAn

正则表达式 · 2022-10-27

清除html源码中的标签或标签体

通过爬虫爬取的html源码中提取内容时，如果遇到复杂的标签结构不利用抽取内容，可以先把部分标签清除 String html = "一段html源码"; 清除所有标签(只清除标签,不清除标签体) RegularUtil.removeAllTag(html) 清除所有包含class属性的标签与标签体 RegularUtil.removeTagAnd

正则表达式 · 2022-01-25

html代码中抽取指定标签

获取所有超链接(a标签) 提取单标签+双标签不区分大小写 0:全文 1:开始标签 2:标签name 3:标签体 (单标签时null) 4:结束标签 (单标签时null) 注意标签体有可能是HTML片段，而不是纯文本

正则表达式 · 2022-01-25

html中抽取标签时嵌套问题

从html中抽取多个标签，如需要抽取a标签和li标签最简单的是抽取两次 RegularUtil.fetchAllTag(html,"a") RegularUtil.fetchAllTag(html,"li") 但这样有个问题，两个标签的顺序会乱，如果需要保持顺序可以通过RegularUtil.fetchAllTag(html,"a","li"); 但是一定注意:这里

正则表达式 · 2022-01-25

从html源码中截取字符串

放多情况下我们并不需要复杂的标签内容，只需要截取几个关键字如提取商品名称和商品价格,而这两个值有可能是根其他内容混在一块的

正则表达式 · 2022-11-07

如何清理爬虫数据中一些不需要的 HTML 属性只删除属性不删除标签与标签体

org.anyline.util.regula.RegularUtil /** * 删除所有标签的属性 * @param src html * @param attributes 属性如果不传则删除所有属性 * @return String */ public static String removeAttribute(String

根据属性名与属性值 删除标签(只删除标签，保留标签体)

删除简单标签外的其他标签

删除所有空标签

删除标签及标签体

清除所有标签(只清除标签,不清除标签体)

删除 tags之外的标签 只删除标签不删除标签体

获取所有 包含attribute属性并且值=value 的标签与标签体

获取所有 包含attribute属性 的标签与标签体,不支持相同标签嵌套

根据属性名 删除标签(只删除标签，保留标签体)

删除所有 包含attribute属性=value值 的标签 连同标签体一起删除

删除所有 包含attribute属性 的标签连同标签体一起删除

从html中抽取内容片段

清除html源码中的标签或标签体

html代码中抽取指定标签

html中抽取标签时嵌套问题

从html源码中截取字符串

如何清理爬虫数据中一些不需要的 HTML 属性 只删除属性 不删除标签与标签体

根据属性名与属性值删除标签(只删除标签，保留标签体)

删除 tags之外的标签只删除标签不删除标签体

获取所有包含attribute属性并且值=value 的标签与标签体

获取所有包含attribute属性的标签与标签体,不支持相同标签嵌套

根据属性名删除标签(只删除标签，保留标签体)

删除所有包含attribute属性=value值的标签连同标签体一起删除

删除所有包含attribute属性的标签连同标签体一起删除

如何清理爬虫数据中一些不需要的 HTML 属性只删除属性不删除标签与标签体