100分求一有关正则表达式程序~~~~

Question

从一篇文章中(String s1)截取一部分字符串(String s2)，这篇文章中带有HTML标记。现在想实现个功能就是截取后可以检查标记，如果发现标记不对，比如截取出<XXX而没有大于号，或者截取出<XXX>没有关闭元素，那么他会去检查s1，并且重新截取出最靠近原先位置的，又能让HTML标记合法的字符串。若有哪位达人可以帮助提供一段代码解决此问题，小弟我谢谢了先

Answer 1

此回复为自动发出,仅用于显示而已，并无任何其他特殊作用
楼主【magic256】截止到2008-07-25 19:37:10的历史汇总数据(不包括此帖)：
发帖的总数量:13                       发帖的总分数:540                      每贴平均分数:41                       
回帖的总数量:108                      得分贴总数量:39                       回帖的得分率:36%                      
结贴的总数量:13                       结贴的总分数:540                      
无满意结贴数:0                        无满意结贴分:0                        
未结的帖子数:0                        未结的总分数:0                        
结贴的百分比:100.00%               结分的百分比:100.00%                  
无满意结贴率:0.00  %               无满意结分率:0.00  %                  
敬礼!

Answer 2

用Stack做怎么样
堆栈特点就是LIFO，正好符合标签不能交叉嵌套的特点
至于单个标签的检查应该不是很困难 
再有就是根据标签是< >  < />决定标签是否入栈（前者入栈，后者不入栈）我是新手，正在学习

Answer 3

类似与从网页中抽取正文啊
有个工具:HTMLParser
或者你可以使用标签密度来抽取你想要的内容

Answer 4

好象没有现成的代码，正则表达式，还要看特定情况来使用。
如果是JDK1.6，String类直接有个函数可以进行字符串的匹配定位。
如果不是，有兴趣的话，楼主看一看模式匹配的相关内容，自己编一个程序来进行吧。

Answer 5

建议先解析HTML，然后再分析内容。解析HTML可以使用HTMLParser
http://htmlparser.sourceforge.net/

Answer 6

建议想其他的办法吧，正则表达式不是语法分析器，根本做不到去检查 HTML 语法。

Answer 7

其实我也是火龙果的fans,嘿嘿~··

Answer 8

这里用了个前向引用(back reference)，可以理解为一个递归检查吧