оптимизировать регулярное выражение, которое соответствует двум тегам HTML

Question

((<(\\s*?)(object|OBJECT|EMBED|embed))+(.*?)+((object|OBJECT|EMBED|embed)(\\s*?)>))

Мне нужно получить объект и встроить теги из некоторых HTML-файлов, хранящихся локально на диске.Я придумал приведенное выше регулярное выражение, чтобы сопоставить теги в Java, а затем использовать matcher.group (1);получить весь тег и его содержимое

Может кто-нибудь улучшить это?Есть ли что-то, что сразу же бросается вам в глаза, что я должен изменить?

Это работает, кстати, просто хочу, чтобы входные данные посмотрели, может ли он быть лучше, потому что я довольно новичок, чтобы самому себя тестировать.

Answer 1

Да, вот улучшение:

1. Загрузите полноценный Java HTML-парсер, например Jsoup , и поместите его в classpath.

2. Теперь вы можете выбрать все элементы <object> и <embed> следующим образом:

   Document document = Jsoup.parse(new File("/path/to/file.html"), "UTF-8");
   Elements elements = document.select("object,embed");
   for (Element element : elements) {
       System.out.println(element.outerHtml());
   }
   

См. Также:

• ОбычныйВыражения - теперь у вас есть две проблемы
• Синтаксический анализ HTML - Способ Ктулху
• Плюсы и минусы анализаторов HTML в Java