刪除字符串中的所有格式，編號列表，項目符號列表，空格，製表符等

Question

我正在製作自定義文檔比較工具。我正在比較Word文檔中的內容和網頁內容。我正在解析網頁，只是刪除文本，並將其與我從Word文檔複製到JTextarea的文本進行比較。

我想要做的就是比較文本，確保沒有拼寫錯誤或遺漏的單詞。當我解析網頁時，我沒有得到任何格式，如編號或項目符號列表。我的問題是，當我在我的Word文檔中的內容複製到我的JTextArea它保留了所有的編號列表，項目符號列表等

我要的是採取下面的文本例如：

解決方案1：重新啓動您的網絡硬件

如果Xbox LIVE性能似乎很慢，請嘗試重新啓動您的網絡硬件。這是如何：

1. 關閉您的Xbox 360控制檯和任何網絡硬件（例如，您的調制解調器和路由器）。
2. 等待30秒。
3. 打開調制解調器，等待一分鐘。

，把它變成：

解決方案1：重新啓動您的網絡硬件
如果Xbox LIVE的表現似乎慢，請嘗試重新啓動您的網絡硬件。這是如何：
關閉您的Xbox 360控制檯和任何網絡硬件（例如，您的調制解調器和路由器）。
等待30秒。
打開您的調制解調器，然後等待一分鐘。

我已經有一個正則表達式來刪除所有的空行，我只是不知道我應該如何處理刪除多餘的標籤，列表樣式等有沒有人有什麼建議？

Answer 1

你可以試試下面的啓發：

• 用空格替換所有標籤頁（等）（見String.replaceAll()）
• 替換所有空間，其次，通過用戶號碼，隨後逐點在（請參閱正則表達式：|^ *\d*\\.| - carret-space-star-backslash -d-backslash-backslash-dot）
• 替換所有系列空格（正則表達式：| +| - 空格 - 空間加）與一個空間（以刪除多餘） - 保持這作爲最後一步

你可以有添加任何其他更換邏輯，如果你遇到其他的模式，你不想

注：我補充各地的正則表達式|使前導空格更容易看到，但他們都沒有輸入代碼時，正則表達式的一部分。