删除两个特定标记之间的所有字符(java regex)

And*_*ndi 2 java regex string

我想删除html内容和标签

<DATE> html content </DATE>
Run Code Online (Sandbox Code Playgroud)

这些是我尝试的代码的不同版本,它们都不起作用:

content = content.replaceAll("<DATE>(?s:)</DATE>", "");
content = content.replaceAll("<DATE>(?:.|\n)</DATE>", "");
content = content.replaceAll("<DATE>" + Pattern.DOTALL + "</DATE>", "");
content = content.replaceAll("<DATE>(.*?)</DATE>", "");
Run Code Online (Sandbox Code Playgroud)

有什么建议?

完整代码:

Path corpusPath = Paths.get(path + file);
String content = new String(Files.readAllBytes(corpusPath), charset);
content = content.replaceAll("<HEADLINE>", "<DOCHDR>");
content = content.replaceAll("</HEADLINE>", "</DOCHDR>");
content = content.replaceAll("<DATE>(.*?)</DATE>", "");
Path destPath = Paths.get(path + "Parsed\\" +file);
Files.write(destPath, content.getBytes(charset));
Run Code Online (Sandbox Code Playgroud)

Avi*_*Raj 11

尝试使用以下正则表达式删除<DATE>标记及其内容,

content = content.replaceAll("(?s)<DATE>.*?</DATE>", "");
Run Code Online (Sandbox Code Playgroud)

说明:

  • (?s)DOTALL Modifier启用DOTALL模式.它使得点甚至可以匹配换行符.
  • <DATE>匹配起始<DATE>标记.
  • .*?匹配任何字符到下一个</DATE>字符串.?后*告诉正则表达式引擎做了最短的匹配.
  • 最后,匹配的字符将替换为空字符串.