java - 正则表达式帮助或替代方法

我有一个看起来像下面带有标签行的文件。我有：

Pattern.compile("<(?:TIMEX TYPE|ENAMEX TYPE)=.+?>(.+?)</(?:TIMEX|ENAMEX)>");

如果两个标签都在一行上，这将获取我需要的数据。我的问题是处理以下几行：

<ENAMEX
TYPE="CITED">1</ENAMEX>

如果标签中间有裂痕，则无法正常工作。因此，我正在寻求帮助来改善我的正则表达式，或与非标准xml标记一起使用的替代方法。

最佳答案

您需要Pattern.DOTALL开关，并且要有一个空格（"\\s+"）而不是文字空间的匹配项：

Pattern.compile("<(?:TIMEX\\s+TYPE|ENAMEX\\s+TYPE)=.+?>(.+?)</(?:TIMEX|ENAMEX)>", Pattern.DOTALL);

此开关的javadoc摘录解释了DOTALL开关：


在dotall模式下，表达式。匹配任何字符，包括行终止符。


还要注意，尽管它的名字，Pattern.MULTILINE开关在这里对您没有帮助。