在java中使用正则表达式查找html中的每个表元素答案

【问题标题】：Finding every table elements in html using regex in java在java中使用正则表达式查找html中的每个表元素
【发布时间】：2018-06-08 01:23:17
【问题描述】：

我有一个 html 作为字符串。我想用正则表达式找到每个表格元素（打开-关闭标签）。我为此尝试了<table(.*?)>.*</table> 模式。但它不起作用，因为它匹配第一个表打开标记和最后一个表关闭标记之间的内容。

这是我的代码：

Pattern pattern = Pattern.compile("<table(.*?)>.*</table>");

我也试过了：

Pattern pattern = Pattern.compile("<table(.*?)>.*</table>",Pattern.DOTALL);

这是一个例子：

    <table id="table1">
    </table>
    <table id="table2">
       <table id="table3">
       </table>
    </table>

我的模式找到了<table id="table1">打开标签和table2的关闭标签之间的所有元素。

但我希望它匹配每个带有标签的表格元素。例如：table1的开闭标签，table2的开闭标签..

感谢您的回答。

【问题讨论】：

使用正则表达式解析 HTML 被认为是不好的做法。您应该改用复杂的 HTML 解析器。见Using regular expressions to parse HTML: why not?

【解决方案1】：

我认为您的问题没有好的解决方案。因为您无法使用正则表达式解析 HTML。

看看这个答案：

正则表达式是一种不够复杂的工具，无法理解 HTML 使用的结构。 HTML 不是正则语言，因此不能被正则表达式解析。正则表达式查询无法将 HTML 分解成有意义的部分。

【讨论】：

【解决方案2】：

我觉得你的逻辑有点问题，以下正则表达式将为您提供组中的每个打开表标签：

\s*(<table.*>)

虽然它不能匹配它的结束标签，你可以做的只是在表格子项中连接结束标签，而父母只需手动修复它

【讨论】：