求教一个正则表达式的超级难题，再搞不定就要被炒鱿鱼络

如下
有字符串如
str=<html><head><title> 333 < 444</title></head><h1> 4 < 6 </h1><h2> 55 < 66</h2><br/></html>
现要求匹配每个标签，如果标签后有内容，需把内容一起匹配
就是说要求结果匹配结果分组如下
1:<html>
2:<head>
3:<title> 333<444
4:</title>
5:</head>
6:<h1> 4 <6
........
我只能做到下面这步，但这样就匹配不到“<”号以及后面的字符了
Matcher m =
Pattern.compile("(<\\w+>)[^<]*|(</\\w+>)|(<\\w+/>)").matcher(str);请高人不吝指教啊！！！！！！！！！！

解决方案 »

免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货

是啊，难就难在又要匹配内容中的 "<" 但又不能匹配标签的“<”
根据>找<，就怕会出现多余的>
(<\\w+>)\\s*\\d+[^<]\\d+|(</\\w+>)|(<\\w+/>)
空白符没补全(<\\w+>)\\s*\\d+\\s*[^<]\\s*\\d+\\s*|(</\\w+>)|(<\\w+/>)
需求再说一下阿,没有看懂,先给点建议在<x></x>部分，建议改为"<(\\w+)></(\\1)>"，其中\1代表group(1)的内容，也就是第一个\w+对于不需要group，但是又要写括号的，用(?:xxxx)代替(xxxx)
package test;import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test { private static String regex = "<(\\w+)>(.*)</\\1>|<(\\w+)/>"; private static Pattern pattern = Pattern.compile(regex); public static void main(String[] args) { String test = "<html><head><title> 333 < 444</title></head><h1> 4 < 6 </h1><h2> 55 < 66</h2><br/></html>"; List list = foo(test);
for (int i = 0; i < list.size(); i++) {
String element = (String) list.get(i);
System.out.println((i + 1) + ": " + element);
}
} public static List foo(String element) {
Matcher m = pattern.matcher(element); List list = new ArrayList();
while (m.find()) {
if (m.group().endsWith("/>")) {
list.add(m.group());
} else {
String subelement = m.group(2);
List sublist = foo(subelement);
if (sublist.isEmpty()) {
list.add("<" + m.group(1) + ">" + m.group(2));
} else {
list.add("<" + m.group(1) + ">");
}
list.addAll(sublist);
list.add("</" + m.group(1) + ">");
}
}
return list;
}
}
输出：1: <html>
2: <head>
3: <title> 333 < 444
4: </title>
5: </head>
6: <h1> 4 < 6
7: </h1>
8: <h2> 55 < 66
9: </h2>
10: <br/>
11: </html>
\<[^\<\>]*>.*?((?=\<[^\<\>]*>)|$)
其实shine的算法还是没有彻底解决问题我试了一下，如果如下情况，则上述所列代码无法读取aaaaaaaaaaa
<html><h1>aaaaaaaaaa</h1></html>
如果要在内容中显示成<或>号，那么在源文件里面必定是<或者>
因此就不存在标签的尖括号和内容的尖括号的混淆问题了吧
1: <html>
2: <h1>aaaaaaaaaa
3: </h1>
4: </html>貌似非常之正确...
shine你试一下这个<html>aaaaaa<head><title> 333 < 444</title></head><h1> 4 < 6 </h1><h2> 55 < 66</h2><br/></html>;
如果连续两个一样的标签，配对结果不正确
<html><h1> 4 < 6 </h1><h1> 4 </> 6 </h1></html>;输出:
1: <html>
2: <h1> 4 < 6 </h1><h1> 4 </> 6
3: </h1>
4: </html>第一个<h1>匹配了第二个</h1>
如果不用正则表达式的话，可以用遍历字符串的方法来解决。不好意思，我是.net平台的。c#程序如下：using System;
using System.Collections;namespace Test
{
  class Class1
  {
    static void Main(string[] args)
    {
      String s = "<html><head><title> 333 < 444</title></head><h1> 4 < 6 </h1><h2> 55 < 66</h2><br/></html>";
      int intFirstTabStart = 0;
      int intSecondTabStart = 0;
      IEnumerator strEnum = s.GetEnumerator();      for (int i = 0; i < s.Length; i++)
      {
strEnum.MoveNext();
if (strEnum.Current.ToString() == "<")
{
  intSecondTabStart = i;
}
else
{
  if (strEnum.Current.ToString() == ">")
  {
     if (intFirstTabStart != intSecondTabStart)
     {
System.Console.WriteLine(s.Substring(intFirstTabStart,(intSecondTabStart - intFirstTabStart)));
     }
     intFirstTabStart = intSecondTabStart;
     intSecondTabStart = i + 1;      if (i == s.Length -1)
              {
System.Console.WriteLine(s.Substring(intFirstTabStart,(intSecondTabStart - intFirstTabStart)));
     }
}
      }
    }

   System.Console.WriteLine();
   System.Console.WriteLine("按 Enter 键继续...");
   System.Console.ReadLine();
}
}
}