尝试用<br/>替换<br>、<BR>、<br +attribute>标记

Question

我正在尝试将一堆HTML文档转换成符合XML的标准(通过java方法)，并且有许多<br>标记，它们要么是未关闭的，要么(2)包含属性。由于某些原因，我所使用的regex不寻址包含属性的标记。以下是代码：

htmlString = htmlString.replaceAll("(?i)<br *>", "<br/>");

这段代码对于文档中的所有<br>标记都很好；它用<br/>替换它们。但是，对于这样的标记

<BR style="PAGE-BREAK-BEFORE: always" clear=all>

它什么也做不了。我希望所有的br标记都是<br/>，而不考虑转换之前标签中的任何属性。

为了实现这一点，我需要在regex中添加什么？

Answer 1

这个regex会做你想做的事：<(BR|br)[^>]*>

下面是一个有用的示例：Regex101

Answer 2

您可能希望<br\b[^>]*>匹配以下所有标记

• 从<br开始
• 在<br之后有一个单词中断(例如，您将不匹配一个<brown>标记)
• 包含任意数量的非>字符，包括0。
• 以>结束

Answer 3

您必须使用.*而不是*：

htmlString.replaceAll("(?i)<br .*>", "<br/>")
//-----------------------------^^

因为：

*匹配前面的字符或子表达式0次或多次。

和

.*匹配任意字符0或多次。

所以对于你的案子：

String htmlString = "<BR style=\"PAGE-BREAK-BEFORE: always\" clear=all>";
System.out.println(htmlString.replaceAll("(?i)<br .*>", "<br/>"));

输出

<br/>