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.| 归档时间: |
|
| 查看次数: |
5076 次 |
| 最近记录: |