java 递归 正则_正则表达式：以递归方式删除HTML中的周围<div>标记

在有人抱怨不使用正则表达式来解析HTML之前，我引用了一个优雅的解决方案我之前的一个问题很快被标记为"answered"另一个问题的答案抱怨不使用正则表达式来解析HTML(最终从我的问题中删除了)：Regex: Find groups of lowercase letters between HTML tag

我再次使用epubs(在Sigil中)，这次清理了InDesign CC的XHTML输出 . 与以前的ID版本不同，它现在围绕许多具有额外

标签的对象，用于某种定位/布局原因 . 我正在编写自己的干净CSS，因此在不生成CSS的情况下导出epub，在其他

周围留下无关的

标签，有时包含不必要的

的嵌套结构 .

我正在处理的一个例子：

Figure 1.3: Foobar

This is a caption, yadda yadda.

Source: Copyright blah blah.

注意： 注释是说明性的，并且不在实际代码中 .

我写了这个正则表达式试图删除没有样式的周围

标签取得了一些成功，但我希望有一个更优雅的解决方案：

^(\s*)

\n\s*(

.+?

)\n\1

上面的字符串匹配最外面的

，然后我可以用 \1\2 替换以保留内容和第一个缩进(尽管缩进不是绝对必要的) .

这个问题是我必须多次 find/replace all 才能获得并删除所有嵌套的不必要的

.

这是不是很好，或者是否有像我上面为此目的链接的解决方案？