html Java正则表达式模式匹配到多个相同标记

Question

问题：

如何将<tag TAG1>SOME VALUE</tag TAG1><tag TAG1>ANOTHER VALUE</tag TAG1>成功匹配为两个独立的值

背景：

我正在尝试匹配一个字符串<tag TAG1>SOME VALUE</tag TAG1><tag TAG1>ANOTHER VALUE</tag TAG1> 其中TAG1是该特定标记的名称（多个标记可以具有相同的名称，但值不同），而SOME VALUE，ANOTHER VALUE是标记所包含的不同值

到目前为止，我能够使用regex模式<\\s*tag\\s*.+\\s*>(.*)</\\s*tag\\s*.+\\s*>匹配一对标记，例如<tag TAG1>SOME VALUE</tag TAG1>

上面的示例是最坏的情况，第一个标记的结尾和第二个标记的开头没有字符分隔。我的问题是，当我用我的正则表达式字符串运行find()时，我得到两个标记，就好像它们是一个标记一样

问题在于标记(.*)之间的通配符，因为它不排除标记的结束/开始。我需要通配符匹配，因为任何字符（包括\n）都可能在标记内。我还使用Pattern.DOTALL将1个标记与内部的换行符成功匹配

Answer 1

以下是您如何做到这一点：

String value = "<tag TAG1>SOME VALUE</tag TAG1><tag TAG1>ANOTHER VALUE</tag TAG1>";
Pattern pattern = Pattern.compile("<\\s*tag\\s*[^>]+\\s*>([^(</)]*)</\\s*tag\\s*[^>]+\\s*>");
Matcher matcher = pattern.matcher(value);
while (matcher.find()) {
    System.out.println(matcher.group());
}

输出：

<tag TAG1>SOME VALUE</tag TAG1>
<tag TAG1>ANOTHER VALUE</tag TAG1>

Answer 2

我只是有完全相同的问题，这篇文章帮助了我。我花了一些时间来理解@Nicolas Filotto在他的正则表达式中做了什么，如果你相信所有的标签格式，它可以变得更简单

回答最初的问题，如何阻止通配符匹配所有内容，是要做一个反向匹配您不寻找的内容。查找除标记结束外的任何字符

模式（不带字符串转义）：<tag TAG1>([^(<\/)]*)<\/tag TAG1>

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

String regex = "<tag TAG1>([^(<\\/)]*)<\\/tag TAG1>";
String string = "<tag TAG1>SOME VALUE</tag TAG1><tag TAG1>ANOTHER VALUE</tag TAG1><tag TAG1>ANOTHER VALUE WITH \nNEWLINE</tag TAG1>";

Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
Matcher matcher = pattern.matcher(string);

while (matcher.find()) {
    println("Full match: " + matcher.group(0));
    for (int i = 1; i <= matcher.groupCount(); i++) {
        println("Group " + i + ": " + matcher.group(i));
    }
}

从https://regex101.com生成的基代码