正则表达式替换表格中的<p>的问题

import java.util.regex.Pattern;
import java.util.regex.Matcher;public class Test {    public static void main(String[] args) {
        String str =
            "<table cellspacing=\"0\" cellpadding=\"0\" align=\"center\" border=\"1\">\n" +
            "  <tbody>\n" +
            "    <tr>\n" +
            "      <td width=\"143\">adfa时间</td>\n" +
            "      <td width=\"122\">adfds<p>招聘会类型</p></td>\n" +
            "      <td width=\"289\">fsfs<p><strong>主办单位  </strong></p></td>\n" +
            "    </tr> ........ 还有一些类似tr\n" +
            "  </tbody>\n" +
            "</table>\n" +
            "\n" +
            "<table cellspacing=\"0\" cellpadding=\"0\" align=\"center\" border=\"1\">\n" +
            "  <tbody>\n" +
            "    <tr>\n" +
            "      <td width=\"143\">adfa时间</td>\n" +
            "      <td width=\"122\">adfds<p>招聘会类型</p></td>\n" +
            "      <td width=\"289\">fsfs<p><strong>主办单位</strong></p></td>\n" +
            "    </tr> ........ 还有一些类似tr\n" +
            "  </tbody>\n" +
            "</table>";
        String regex = "<td[^>]*>(.*?)</td>";
        Pattern p = Pattern.compile(regex, Pattern.DOTALL);
        Matcher m = p.matcher(str);
        while(m.find()) {
            System.out.println(m.group(1));
        }
    }
}String regex = "</?p>(?=(?:(?!<td).)*</td>)";
str = str.replaceAll(regex, "#");
System.out.println(str);

改一下String regex = "(?s)</?p>(?=(?:(?!<td).)*</td>)";
str = str.replaceAll(regex, "#");
System.out.println(str);

replaceAll比较好,向火龙果学习.

非常感谢，但如果为以下的情况不能匹配<p.. :
<TABLE class=MsoNormalTable style="WIDTH: 450pt; mso-cellspacing: .7pt"
cellSpacing=1 cellPadding=0 width=600 border=1>
<TBODY>
<TR style="mso-yfti-irow: 0; mso-yfti-firstrow: yes">
<TD
style="BORDER-RIGHT: #ece9d8; PADDING-RIGHT: 0.75pt; BORDER-TOP: #ece9d8; PADDING-LEFT: 0.75pt; PADDING-BOTTOM: 0.75pt; BORDER-LEFT: #ece9d8; PADDING-TOP: 0.75pt; BORDER-BOTTOM: #ece9d8; BACKGROUND-COLOR: transparent">
<P class=MsoNormal
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan"
align=left><SPAN
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"> 成龙、杨受成<SPAN
lang=EN-US> 1000</SPAN>万<SPAN lang=EN-US><o:p></o:p></SPAN></SPAN></P></TD>
<TD
style="BORDER-RIGHT: #ece9d8; PADDING-RIGHT: 0.75pt; BORDER-TOP: #ece9d8; PADDING-LEFT: 0.75pt; PADDING-BOTTOM: 0.75pt; BORDER-LEFT: #ece9d8; PADDING-TOP: 0.75pt; BORDER-BOTTOM: #ece9d8; BACKGROUND-COLOR: transparent">
<P class=MsoNormal
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan"
align=left><SPAN lang=EN-US
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt"> </SPAN><SPAN
style="FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt">李连杰<SPAN
lang=EN-US>“</SPAN>壹基金<SPAN lang=EN-US>” 100</SPAN>万<SPAN
lang=EN-US><o:p></o:p></SPAN></SPAN></P></TD></TR>
</table>

我在1楼中举的是一个要操作的数据的例子，而在5楼贴的是用户真实的数据，下面的正则表达式对于1楼的数据是正确的String regex = "(?s)</?p>(?=(?:(?!<td).)*</td>)";
str = str.replaceAll(regex, "#");
System.out.println(str);
但对于我在5楼中帖出的数据是不正确的。

哎，感觉回答问题越来越累了……<P class=MsoNormal
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan"
align=left>是要把这一长串和后面的 </P> 这些串都换成 # 么？

还有 <o:p> 和 </o:p> 这些要换么？连个说明、示例都没有……

不好意思，我没有说清楚，
需要是将<P class=MsoNormal
style="MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan"
align=left> 中的 'p' 这个字符换成 # ,不是将这一长串全都替换
其实最终的目的是：在一段文字中先分页，再插入广告，分页靠的是<p> ，插入广告也是靠的是<p>，所以先将表格的<p..字符换成 <#..，分完页，插完广告然后再替换回来。

public class Test {    public static void main(String[] args) {
        String str =
            "<TABLE class=MsoNormalTable style=\"WIDTH: 450pt; mso-cellspacing: .7pt\" \n" +
            "cellSpacing=1 cellPadding=0 width=600 border=1>\n" +
            "<TBODY>\n" +
            "<TR style=\"mso-yfti-irow: 0; mso-yfti-firstrow: yes\">\n" +

            "<TD \n" +
            "style=\"BORDER-RIGHT: #ece9d8; PADDING-RIGHT: 0.75pt; BORDER-TOP: #ece9d8; \n" +
            "PADDING-LEFT: 0.75pt; PADDING-BOTTOM: 0.75pt; BORDER-LEFT: #ece9d8; PADDING-TOP: 0.75pt; \n" +
            "BORDER-BOTTOM: #ece9d8; BACKGROUND-COLOR: transparent\">\n" +
            "<P class=MsoNormal \n" +
            "style=\"MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan\" \n" +
            "align=left><SPAN \n" +
            "style=\"FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt\">\n" +
            " 成龙、杨受成<SPAN lang=EN-US> 1000</SPAN>万<SPAN lang=EN-US><o:p></o:p></SPAN></SPAN></P></TD>\n" +

            "<TD \n" +
            "style=\"BORDER-RIGHT: #ece9d8; PADDING-RIGHT: 0.75pt; BORDER-TOP: #ece9d8; \n" +
            "PADDING-LEFT: 0.75pt; PADDING-BOTTOM: 0.75pt; BORDER-LEFT: #ece9d8; PADDING-TOP: 0.75pt; \n" +
            "BORDER-BOTTOM: #ece9d8; BACKGROUND-COLOR: transparent\">\n" +
            "<P class=MsoNormal \n" +
            "style=\"MARGIN: 0cm 0cm 0pt; TEXT-ALIGN: left; mso-pagination: widow-orphan\" \n" +
            "align=left><SPAN \n" +
            "lang=EN-US style=\"FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; mso-font-kerning: 0pt\">\n" +
            " </SPAN><SPAN style=\"FONT-SIZE: 12pt; FONT-FAMILY: 宋体; mso-bidi-font-family: 宋体; \n" +
            "mso-font-kerning: 0pt\">\n" +
            "李连杰<SPAN lang=EN-US>“</SPAN>壹基金<SPAN lang=EN-US>” 100</SPAN>万<SPAN lang=EN-US><o:p></o:p></SPAN>\n" +
            "</SPAN></P></TD></TR></table>\n" +
            "";
        String regex = "(?is)(?<=</?)p(?=(?:(?!<td).)*</td>)";
        str = str.replaceAll(regex, "#");
        System.out.println(str);
    }
}这样不知道行么？上面只替换了 <td> 和 </td> 间的 P，需要注意的是 <td></td> 内不能再含有
<td> 之类的字符。如果 <td> 中的 <o:p> 和 </o:p> 也要换的话，把表达式改为：String regex = "(?is)(?<=</?(?:o:)?)p(?=(?:(?!<td).)*</td>)";

如果字符串只有一个的话，可以直接采用上面 String 的 replaceAll 方法。如果字符串很多的话，为了让表达式能够重用，建议采用下面的方法：Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("");str = matcher.reset(str).replaceAll("#");每处理一个用 reset 重置字符串，这样这个表达式就能重用了，可以节省表达式编译的时间。

调试易

正则表达式替换表格中的<p>的问题

解决方案 »