正则式<.*?>为什么不能匹配HTML的注释标签？

一个老话题：http://topic.csdn.net/t/20050221/08/3794052.html 讲到过解决方案。
但是我想问为什，.*不通配!-- --吗?

解决方案 »

  1.   

        String str = "<!-- 121212-->";
        str = str.replaceAll("(?s)<(.*?)>","$1");
        System.out.println(str);输出为
    !-- 121212--证明可以匹配的。不知道你遇到的是啥问题。
      

  2.   

    不好意思，我之前用<.*>来意图将我的一个网页拆分出文本出来,网页如下:<%@ page language="java" import="java.util.*" pageEncoding="gb2312"%>
    <%
    String path = request.getContextPath();
    String basePath = request.getScheme()+"://"+request.getServerName()+":"+request.getServerPort()+path+"/";
    %><!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
    <html>
      <head>
        <base href="<%=basePath%>">
        
        <title>My JSP 'index.jsp' starting page</title>
    <meta http-equiv="pragma" content="no-cache">
    <meta http-equiv="cache-control" content="no-cache">
    <meta http-equiv="expires" content="0">    
    <meta http-equiv="keywords" content="keyword1,keyword2,keyword3">
    <meta http-equiv="description" content="This is my page">
    <!--
    <link rel="stylesheet" type="text/css" href="styles.css">
    -->
      </head>
      
      <body> 
       <input type="hidden" value="7">
        This is my JSP page.&nbsp; 哈哈<br>
        for Index,index.<br>
        <%int currentPage;
         if (request.getParameter("currentPage") == null)
      currentPage = 1;
      else
      currentPage = Integer.valueOf(request.getParameter("currentPage"));
         %>
        <a href="index.jsp?currentPage=<%=currentPage+1%>"><%=currentPage%></a>
      </body>
    </html>
    public class Experiment {
    public static void main(String args[]) throws CorruptIndexException,IOException{
    try {
    HTTPSocket http = new HTTPSocket();
    http.send(args[0], null);
    System.out.println(http.getBody());
    String output = getText(http.getBody());
    System.out.println(output);
    } catch (Exception e) {

    }
    }
     
     public static String getText(String original)
     {
     String regex = "<.*>";
                     String output = original.replaceAll(regex,"");
                     return output;
     }
     
    }
    然后分析出来来的结果是这样的：


    <!--

    -->
      
      
       
      
        This is my JSP page.&nbsp; 哈哈
        for Index,index.
        
        
      <!-- -->没有被清除，我怀疑是因为换行符的缘故 \r\n
      

  3.   


    //这样看看
     Pattern p = Pattern.compile("<.*>",Pattern.DOTALL);
            Matcher m = p.matcher(original);
            m.replaceAll("");
      

  4.   

    我记得你在我问的另外一个贴子里说过，DOTALL可以匹配line terminaters ，（呵呵 谢谢），不过这个我也试验过代码如下:public class Experiment {
    public static void main(String args[]) throws CorruptIndexException,IOException{
    try {
    HTTPSocket http = new HTTPSocket();
    http.send(args[0], null);
    System.out.println(http.getBody());
    String output = getText(http.getBody());
    System.out.println(output);
    System.out.println("end");
    } catch (Exception e) {

    }
    }
     
     public static String getText(String original)
     {
     Pattern p = Pattern.compile("<.*?>",Pattern.DOTALL);
     Matcher m = p.matcher(original);
     StringBuffer sb = new StringBuffer();
     while (m.find())
     {
     m.appendReplacement(sb,"");
     }
     m.appendTail(sb);
     return sb.toString();
     }
     
    }
    实验的数据还是之前我写的那段简单HTML，结果是这样的：
      
        
        
        My JSP 'index.jsp' starting page


        



    -->
      
      
       
      
        This is my JSP page.&nbsp; 哈哈
        for Index,index.
        
        1
      
    end
    还是没能去掉注释，或者说去掉了一半，另外不能用<.*>来匹配，因为<html……/html>贪婪匹配，把所有字符都去掉了。
      

  5.   

    但如果用DOTALL就可以匹配换行符了啊