...会有所作为,但它似乎与我在RegexBuddy中的测试内容完全无关.

这会有用吗？

((?:.(?!]*>))+.]*>)|(.+)

当然,您需要添加必要\s的内容以便考虑< body ...>(带空格的元素),如:

((?:.(?!<\s*body[^>]*>))+.<\s*body[^>]*>)|(<\s*/\s*body\s*\>.+)

第二个想法,我不确定为什么我需要一个负面的预测...这也应该有效(对于格式良好的xhtml文档):

(.*<\s*body[^>]*>)|(<\s*/\s*body\s*\>.+)

使用XML解析器比使用正则表达式更容易解析XHTML.我知道这不是你问的问题,但是XML解析器能够快速导航到body节点并返回其内容,而不会出现正则表达式给你的任何标记映射问题.

编辑:回应此处的评论; XML解析器太慢了.

有两种XML解析器,一种叫做DOM,大而重,简单友好,它可以在你做任何事情之前从文档中构建一棵树.另一个叫做SAX,速度快,工作量大,顺序读取文件.您将希望SAX找到Body标签.

DOM方法适用于多种用途,提取标签并查找谁是孩子.SAX解析器按顺序读取文件,然后快速获取您所需的信息.正则表达式不会比SAX解析器快,因为它们都只是遍历文件和模式匹配,除了正则表达式在找到正文标记后不会退出,因为正则表达式没有内置XML知识.实际上,您的SAX解析器可能使用小块正则表达式来查找每个标记.

String toMatch="aaaaaaaaaaabcxx sldjfkvnlkfd i m avinash";
Pattern pattern=Pattern.compile(".*?(.*?).*?");
Matcher matcher=pattern.matcher(toMatch);
if(matcher.matches()) {
    System.out.println(matcher.group(1));
}