如何使用正则表达式从字符串中排除子字符串的出现？答案

【问题标题】：How to exclude occurrence of a substring from a string using regex?如何使用正则表达式从字符串中排除子字符串的出现？
【发布时间】：2011-09-12 01:47:47
【问题描述】：

我有以下两种形式的字符串输入。

1.

<!--XYZdfdjf., 15456, hdfv.4002-->
<!DOCTYPE

2.

<!--XYZdfdjf., 15456, hdfv.4002
<!DOCTYPE

如果遇到表单 2 并且没有匹配表单 1，我想返回一个匹配项。因此，基本上我想要一个正则表达式，它可以任意接受。

我正在使用 Pattern 、 Matcher 和 java 正则表达式。在 Pattern.compile() 专用的正则表达式方面寻求帮助

提前致谢。

【问题讨论】：

标签： java regex

【解决方案1】：

这似乎很容易通过使用String.contains() 解决：

if (yourHtml.contains("-->")) {
    // exclude
} else {
    // extract the content you need
    String content = 
        yourHtml.substring("<!--".length(), yourHtml.indexOf("<!DOCTYPE"));
}

我觉得你看得太远了。

【讨论】：

感谢您提供简单的解决方案，但我也在寻找正则表达式解决方案。
@Tahoe，是的！谢谢。固定。

【解决方案2】：

Pattern p = Pattern.compile("(?s)<!--(?:(?!-->).)*<!DOCTYPE");

(?:(?!-->).)* 一次匹配一个字符，检查它不是--> 的第一个字符。

(?s) 设置 DOTALL 模式（也称为单行模式），允许 . 匹配换行符。

如果可能有两个或多个匹配项，并且您想单独查找它们，则可以将 * 替换为非贪婪的 *?，如下所示：

"(?s)<!--(?:(?!-->).)*?<!DOCTYPE"

例如，将该正则表达式应用于问题文本将找到两个匹配项，而原始正则表达式将找到一个更长的匹配项。

【讨论】：

【解决方案3】：

\<!--([\s\S](?!--\>))*?(?=\<\!DOCTYPE)

这使用负前瞻来防止 --> 并使用正前瞻来查找 /strong> 这是atomic assertions (lookahead and behind) 的一个很好的参考。

【讨论】：

非常感谢。这也对我有用。只是在 Java String 中，我们必须使用 \\ 而不是 \ 来转义反斜杠。

【解决方案4】：

正则表达式可能不是您问题的最佳答案。您是否尝试过将第一行与其他所有内容分开并查看它是否包含-->？

具体来说，类似：

String htmlString;
String firstLine = htmlString.split("\r?\n")[0];
if(firstLine.contains("-->"))
    ;//no match
//match

【讨论】：

【解决方案5】：

我手边没有测试系统，所以我不能给你正则表达式，但你应该在 Pattern 文档中查看名为 negative lookahead assertion 的东西。这使您可以表达以下形式的规则：如果没有后跟，则匹配此。

它应该可以帮助你:)

【讨论】：