正则表达式：如何用出现 n 次的子字符串替换字符串

Question

作为前提，我有一个 HTML 文本，其中包含一些<ol>元素。它们有一个start属性，但我使用的框架无法在 PDF 转换期间解释它们。所以，我试图应用的技巧是在开始时添加一些不可见的<li>元素。例如，假设这个输入文本：<ol start="3">   <li>Element 1</li>   <li>Element 2</li>   <li>Element 3</li></ol>我想产生这样的结果：<ol>   <li style="visibility:hidden"></li>   <li style="visibility:hidden"></li>   <li>Element 1</li>   <li>Element 2</li>   <li>Element 3</li></ol>因此，将 n-1 个不可见元素添加到有序列表中。但是我无法以通用的方式从 Java 中做到这一点。假设示例中的确切情况，我可以这样做（使用replace，所以 - 老实说 - 没有正则表达式）：htmlString = htmlString.replace("<ol start=\"3\">",            "<ol><li style=\"visibility:hidden\"></li><li style=\"visibility:hidden\"></li>");但是，显然，它只适用于“start=3”的情况。我知道我可以使用组来提取“3”，但是如何将它用作“变量”来指定字符串<li style=\"visibility:hidden\"></li>n-1 次？感谢您的任何见解。

Answer 1

从 Java 9 开始，有一种Matcher.replaceAll方法将回调函数作为参数：

String text = "<ol start=\"3\">\n\t<li>Element 1</li>\n\t<li>Element 2</li>\n\t<li>Element 3</li>\n</ol>";

String result = Pattern

        .compile("<ol start=\"(\\d)\">")

        .matcher(text)

        .replaceAll(m -> "<ol>" + repeat("\n\t<li style=\"visibility:hidden\" />", 

                                         Integer.parseInt(m.group(1))-1));      

对于repeat字符串，您可以从这里开始使用技巧，或者使用循环。

public static String repeat(String s, int n) {

    return new String(new char[n]).replace("\0", s);

}

之后result是：

<ol>

    <li style="visibility:hidden" />

    <li style="visibility:hidden" />

    <li>Element 1</li>

    <li>Element 2</li>

    <li>Element 3</li>

</ol>   

如果您坚持使用旧版本的 Java，您仍然可以分两步进行匹配和替换。

Matcher m = Pattern.compile("<ol start=\"(\\d)\">").matcher(text);

while (m.find()) {

    int n = Integer.parseInt(m.group(1));

    text = text.replace("<ol start=\"" + n + "\">", 

            "<ol>" + repeat("\n\t<li style=\"visibility:hidden\" />", n-1));

}

由 Andrea ジーティーオー 更新：

我修改了上面的（很棒的）解决方案，以包含<ol>具有多个属性的内容，以便它们的标签不以start（例如，<ol>带有字母， as <ol start="4" style="list-style-type: upper-alpha;">）结尾。这用于replaceAll整体处理正则表达式。

//Take something that starts with "<ol start=", ends with ">", and has a number in between

Matcher m = Pattern.compile("<ol start=\"(\\d)\"(.*?)>").matcher(htmlString);

while (m.find()) {

    int n = Integer.parseInt(m.group(1));

    htmlString = htmlString.replaceAll("(<ol start=\"" + n + "\")(.*?)(>)",

            "<ol $2>" + StringUtils.repeat("\n\t<li style=\"visibility:hidden\" />", n - 1));

}

Answer 2

你不能使用正则表达式来做到这一点，或者即使你找到了一些技巧来做到这一点，这也将是一个次优的解决方案..

正确的方法是使用 HTML 解析库（例如Jsoup），然后将<li>标记作为子项添加到<ol>，特别是使用Element#prepend方法。（使用 Jsoup，您还可以读取start属性值以计算要添加的元素数量）