Какое регулярное выражение искользовать для поиска блока русского текста?

Question

[xne71247]

Имеется HTML страница, нужно из нее вытащить блок русского текста. Блок текста на русском всего один. Посоветуйте регулярное выражение или как лучше это сделать?

Comments

[Евгений Петров]

Вы работаете только с текстом страницы или имеете доступ к DOM?

Answer 1

[SagePtr]

Смотря что понимается под блоком. Если внутри него нет никаких тэгов, то можно как-то так вырезать:
>([^<]*[А-Яа-я][^<]*)<
В итоге попадёт всё, что между >< и содержит минимум одну русскую букву. Это навскидку, так-то обязательно убедитесь, чтобы регулярник работал именно с той же кодировкой.

Answer 2

[programmerjava]

юзай jsoup .

Jsoup.parse(htmlText).select(":matches(REGEX)").first().text();

за REGEX задай регулярное выражение, включающее русские символы, знаки препинания.

Answer 3

[ShamblerR]

вы бы хоть дали приммер страницы

Answer 4

[asd111]

Проверь на этом сайте
https://regex101.com/
([А-Яа-я]+)

text text текст text Текст теКСТ