Java 中的标签内容提取器问题

2025年3月17日 | 阅读 3 分钟

这是非常有意思的问题，经常在Google、Amazon、TCS、Accenture等顶级IT公司的面试中出现。通过解决这个问题，可以考察应聘者的逻辑思维能力、批判性思维和问题解决能力。因此，在本节中，我们将用不同的方法和逻辑来解决如何在Java中提取标签内容的问题。我们还将为此创建Java程序。

问题陈述

在这个问题中，我们给定了一个包含标签的文本字符串，目标是解析文本并检索内容。我们检索的这些数据位于一系列组织良好的标签内，并满足以下条件：

开始标签和结束标签的名称应该相同。例如，HTML代码<h1>Test</h3>被认为是无效代码，因为它以h1标签开始，以h2标签结束。
嵌套标签之间的内容被认为是无效的。但是，标签本身可以嵌套。
标签可以包含任意数量的字符。

示例

假设，我们给定了标签包裹的以下文本。

 3
 <h1>Hello, readers</h1>
 <h1><h1>welcome to javatpoint</h1></h1><par>So wait for a while</par>
 <amee>You can learn any technology in an easy way.</amee>

我们需要像下面这样提取标签内的文本。

Hello, readers 
welcome to javatpoint
You can learn any technology in an easy way.

Java编程中有几种解决标签内容提取器问题的方法。让我们一一理解每种解决方案：

TagContentExtractorExample1.java

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
// create class TagContentExtractorExample1 to understand the first solution of Tag Content Extractor problem
public class TagContentExtractorExample1{	
	// main() method start
	public static void main(String[] args){
		// create Scanner class object
		Scanner sc = new Scanner(System.in);
		// take input from user for number of tags
		System.out.println("How many lines of code you have?");
		int n = Integer.parseInt(sc.nextLine());
		// repeat steps
		while(n-->0){ 
			// take input from user for extracting content from tags
			String tagLine = sc.nextLine();
			// use matcher
			Matcher matcher = Pattern.compile("<(.+)>(([^<>]+))</\\1>").matcher(tagLine);
			// print none when nothing found in matcher
			if (matcher.find() == false) {
				System.out.println("None");
				continue;
			}
			// reset matcher
			matcher.reset();
			// repeat step until matcher find data
			while (matcher.find() == true){
				System.out.println(matcher.group(2));
			}
		}
		// close scanner class object
		sc.close();
	}
 }

输出

让我们来看另一种相同的方法。

TagContentExtractorExample2.java

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
// create class TagContentExtractorExample2 to understand the second solution of Tag Content Extractor problem
public class TagContentExtractorExample2{
	// main() method start
	public static void main(String[] args){		
		// create Scanner class object
		Scanner sc = new Scanner(System.in);
		// create string of regex
		String expression = "<([^<>]+)>([^<>]+)</\\1>";
		// extract pattern from regex
		Pattern pattern = Pattern.compile(expression);				
		// take input from the user for the number of tags
		System.out.println("How many lines of code you have?");
		int n = Integer.parseInt(sc.nextLine());
		// repeat steps until n > 0 9
		while(n > 0){ 			
			// take input from user for extracting content from tags
			String tagLine = sc.nextLine();
			// use matcher
			Matcher matcher = pattern.matcher(tagLine);
			// set counter variable to 0
			int count = 0;
			// repeat step until matcher find data
			while (matcher.find() == true){
				System.out.println(matcher.group(2));
				count++;
			}
			// count = 0 indicated no data or invalid tag line
			if (count == 0) {
				System.out.println("None");
			}
			// decrement value of n
	        	n--;
		}
		// close scanner class object
		sc.close();
	}
 }

输出