Question

现在我有一篇html文档，我想把整个文档除了<p>和<img>的标签都去掉，怎么操作？

Answer 1

可以使用正则表达式，匹配所有的img和p标签
<img+(\s+[a-zA-Z]+\s*=\s*("([^"]*)"|'([^']*)'))*\s*/>
<p+(\s+[a-zA-Z]+\s*=\s*("([^"]*)"|'([^']*)'))*\s*>.*</p>

追问

不对啊，我用java转换成字符串发现有其他标签还在，比如之类的

追答

看错了，我以为你是想要把和去掉呢，你其实是想提取和标签吧，那么你用Matcher类和Pattern类就可以了
Pattern pattern = Pattern.complain(); // 把和的正则写这里
Matcher matcher = pattern.match(html);
while (matcher.find()) {
System.out.println(matcher.group());

}

追问

其实我想说并没有匹配成功，但是我知道怎么做了，谢了！