正则替换的方式删除特定的内容

news2024/11/25 16:43:20

以前，公司网络限制，无法通过用户名密码登录某些网站，但是可以通过浏览器打开网站，而这些网站有个问题，非登录用户，不能复制博客中的代码，这个就有些麻烦了。

好在，这些代码是可以通过查看网页源代码的方式获取。如下所示，我们看到csdn的代码：

拿到html元素内容的办法：

1、开启F12，进入开发者调试界面，

2、切换到元素 tab页，

3、使用鼠标选择代码部分。

4、拷贝元素。

我们分析这段内容，主要由html标签包裹，我们需要去掉标签部分。

html标签有个特点，它是成对出现的，我们如果把所有的标签都去掉，那么其实就剩下内容部分了。有了这个思路，我们就可以开始工作了。

这里考虑使用正则替换的方式，将标签去掉，标签类似<div>或者</div>。我们直接通过正则<.*>可能会将所有内容都干掉。因为<div>xxx</div>这种其实也会匹配上<.*>。并不能只去掉两边的<div>和</div>。

这里需要考虑<>内部不能再出现闭合标签">"，似乎有点难以理解，意思这里只匹配唯一一个标签<>，不管是开始标签<div>，还是关闭标签</div>。

针对这个需求，正则再改变一下，<[^>]+>，替换效果如下所示：

替换之后，正好剩下代码部分。就是我们需要的。

这里稍微说一下，这是使用notepad++来做的，它支持正则表达式书写，所以我们在替换界面可以看到这样的信息：

查找模式，需要切换到正则表达式，因为我们要删除这些标签，匹配的内容直接替换为空，所以“替换为”这里不用填写任何东西。最后选择全部替换即可。

另外一个替换的示例，这里我们通过java代码来实现。

假设我们有一个字符串如下所示：

[{"name":"buejee","id":101,"email":[],"mobile":"15909062001"},{"name":"lucky","id":102,"email":["haha@sina.com"],"mobile":"15909062002"}]

这里虽然是一个json格式，但是它本身是作为一个字符串存在的，我们需要删除email这个部分。上面的示例里面有两个email，分别是 "email":[], 和 "email":["haha@sina.com"], 。为了将他们都去掉，我们的正则可以考虑这样写：

"email":\[[^\]]*\],

其中[^\]]*表示的是[]内部不能出现 ]，这里的*表示内容可以有多个字符，也可以没有，匹配[]和["haha@sina.com"]。另外，因为 "[" 和 "]" 本身是正则里面的关键字符号，所以这里需要转义。在java中，转义符号是两个反斜杠\\。

程序代码如下：

package com.xxx.reg;

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class StringReplace {
    public static void main(String[] args) {
        String str = "[{\"name\":\"buejee\",\"id\":101,\"email\":[],\"mobile\":\"15909062001\"},{\"name\":\"lucky\",\"id\":102,\"email\":[\"haha@sina.com\"],\"mobile\":\"15909062002\"}]";
        Pattern pattern = Pattern.compile("\"email\":\\[[^\\]]*\\],");
        Matcher matcher = pattern.matcher(str);
        System.out.println(str);
        String result = matcher.replaceAll("");
        System.out.println(result);
    }
}

运行结果：