无法在带有正则表达式的Java中分析带点的字符串
当将word文档中的内容复制并粘贴到Vaadin7 RichTextArea(或任何其他Richtextfield)中时,会有大量不需要的HTML标记和属性。因为在当前的项目中,属性宽度做了一些有趣的事情,我想用下面的功能删除它们
private String cleanUpHTMLcontent(String content) {
LOG.log(Level.INFO, "Cleaning up that rubbish now");
content = content.replaceAll("width=\"[0-9]*\"",""); // this works fine
content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt;",""); // not working
content = content.replaceAll(";width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
content = content.replaceAll("width:[0-9]*[\\.|]*[0-9]*pt",""); // not working
return content;
}
第一行可以很好地删除像width="500"
这样的旧html标记,其他行将进入style属性,并尝试删除像width:300.45pt;
这样具有冒号不同位置的属性
代码在测试页面http://www.regexplanet.com/advanced/java/index.html上运行良好。我在这里生成了我的正则表达式字符串,专门用于java,但它仍然不起作用。有人知道吗
这里有一个例子,它没有找到width属性
td style="width:453.1pt;border:solid windowtext 1.0pt;
更新
content = content.replaceAll("width:\\s*[.0-9]*pt;",""); // doesn't work
content = content.replaceAll(";width:\\s*[.0-9]*pt",""); // doesn't work
content = content.replaceAll("width:\\s*[.0-9]*pt",""); // works :-)
看来,我还得用反斜杠避开分号?我会测试一下
# 1 楼答案
要删除带点的任意数字,可以使用否定字符类
[.\d]*
或[.0-9]*
:见regex demo
\b
是一个单词边界(确保我们只匹配整个单词的width
)详情:
\b
-前导词边界width:
-literal stringwidth:
\s*
-0+空格符号[.0-9]*
-0+点或数字pt;
-literal{