各位大神 求助用正则表达式抽取jsp页面的中文

[懒得搭理你]

项目正在进行国际化工作，目前需要将页面中的中文提取出来(注释除外)供翻译人员进行翻译。
我尝试了用正则表达式去抽取中文，但是目前遇到了如下几个问题：
1、注释中的中文不好匹配，在jsp页面中有如下的注释情况： <% %> // /****/ <!-- -->（因为在jsp页面中可嵌入java代码、js代码、还有自身的html代码）
2、在jsp页面一行的文本中如果有类似的信息： "客户档案accountName，输入的文本超过最大长度200" ，则处理结果应该为：客户档案accountName，输入的文本超过最大长度200;而：

if (pos > -1) {
        if (arg.split(".")[1].length>decimal_length) {
            errorMsg =  title+"小数点后最多可输入"+decimal_length+"个数字";
            alert(errorMsg);
            return false;
        }
    }

处理的结果则是提取出两个中文字段：小数点后最多可输入 和 个数字。
试了快一天了，没试出来

任何给出意见的，将不甚感激！

[tony4geek]

可以直接匹配出来

[teemai]

2、在jsp页面一行的文本中如果有类似的信息： "客户档案accountName，输入的文本超过最大长度200" ，则处理结果应该为：客户档案accountName，输入的文本超过最大长度200;而： 我怎么没明白啊。这个处理结果不变吗？

[懒得搭理你]

引用 2 楼 huxiweng 的回复:

2、在jsp页面一行的文本中如果有类似的信息： "客户档案accountName，输入的文本超过最大长度200" ，则处理结果应该为：客户档案accountName，输入的文本超过最大长度200;而： 我怎么没明白啊。这个处理结果不变吗？

因为这个是作为直接的一句话，里面的accountName不是一个变量。而下面的title decimal_length是一个变量

[懒得搭理你]

<script type="text/javascript">alert('看来我还是手动吧'?=><&%);</script>

[懒得搭理你]

<script type="text/javascript">alert('看来我还是手动吧');</script>

[W-Aires]

var Filter = {
                    doFilter: function(str){
                        if(!str || typeof str !== 'string')return str;
                        for(var i = 0, len = this._filters.length; i < len; i++){
                            str = str.replace(this._filters[i], "");
                        }
                        return str;
                    },
                    _filters: [//private
                        /\/\*(?:.|\n)*?\*\//g,
                        /\/\/.*/g,
                        /<\!--(?:.|\n)*?-->/g
                    ]
                },
       getter = /['"](?:.|\n)*?[^\x00-\xff](?:.|\n)*?['"]/g;

        var testStr = "//测试\n" +
                "var x = 1;\n" +
                "/**\n" +
                "中文\n" +
                "*/\n" +
                "<!--<span>测试中文</span>\n-->\n" +
                "var y = '中文变量';\n" +
                "var z = '变量加' + x + y\n";

        testStr = Filter.doFilter(testStr);
        var zhStr = testStr.match(getter);
        for(var i = 0; i < zhStr.length; i++){
            console.log(zhStr[i])
        }

js版的，要用java版的改下就可以了吧，java的点包含换行 不过感觉这样提取出来的翻译不一定准确，没有语境了

[左轩]

设计思路：将Jsp多次过滤，最终达到你所需要的东西。 1、过滤掉注释，大多注释是以 // <!----> /*...*/ 把这些注释替换成空字符串 2、过滤掉java代码 <%.....%> 3、过滤掉html代码... 4、JS过滤起来应该有点复杂 5、可以考虑Java的httpClient模式发送报文然后调用java的处理类，对各个依次处理，最后返回报文。

[ssdd273381952]

技术上面有人给出了方案，我就提点疑问： 1、为什么要把注释中的中文过滤掉？可以一起提取出来啊。 2、为什么要进行截断？截断之后进行翻译就有可能语义不是很准。