天极传媒:
天极网
比特网
IT专家网
52PK游戏网
极客修
全国分站

北京上海广州深港南京福建沈阳成都杭州西安长春重庆大庆合肥惠州青岛郑州泰州厦门淄博天津无锡哈尔滨

产品
  • 网页
  • 产品
  • 图片
  • 报价
  • 下载
全高清投影机 净化器 4K电视曲面电视小家电滚筒洗衣机
您现在的位置: 天极网 > 软件 > 网页>软件应用>使用正则表达式删除指定的HTML标签

使用正则表达式删除指定的HTML标签

天极网软件频道2010-09-16 16:11我要吐槽

  更多精彩相关文章推荐:

  EditPlus正则表达式巧妙删除文档多余空行

  动态网页制作PHP常用的正则表达式

  避免HTML标签错误 提高网页代码规范性  

点击查看更多设计软件资讯>>

  抓取某网页的数据后(比如描述),如果照原样显示的话,可能会因为它里面包含没有闭合的HTML标签而打乱了格式,也可能它里面用了比较让人“费解的HTML标签,把预订的格式搅乱。如果全盘删除里面的HTML标签,可能会造成阅读上的困难(比如a,img这些标签),最好是删除一部分、保留一部分。

  正则表达式里判断包含某些字符串是非常容易理解的,但是如何判断“不包含某些字符串”确实是个费解的事。

  以下表达式用来判断HTML标签不包含 li / ul / a / img / br / span / b 的,就上面的要求来说,是要删除这里列出的HTML标签。

  <(?!((/?\s?li)|(/?\s?ul)|(/?\s?a)|(/?\s?img)|(/?\s?br)|(/?\s?span)|(/?\s?b)))[^>]+>

  (?!exp) 匹配后面跟的不是exp的位置

  /?\s? 我一开始试着把它写到最前面的 < 后面,但是测试失败了。

  下面是一个简单的函数,把要保留的TAG串起来,生成一个正则表达式,然后把不需要的TAG删除。

  private static string RemoveSpecifyHtml(string ctx) {
   string[] holdTags = { "a", "img", "br", "strong", "b", "span" };//要保留的 tag
  // <(?!((/?\s?li)|(/?\s?ul)|(/?\s?a)|(/?\s?img)|(/?\s?br)|(/?\s?span)|(/?\s?b)))[^>]+>
  string regStr = string.Format(@"<(?!((/?\s?{0})))[^>]+>", string.Join(@")|(/?\s?", holdTags));
  Regex reg = new Regex(regStr, RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase);
  return reg.Replace(ctx, "");
  }

 

  修正:上面的正则表达式,如果保留了 li , 实际运行会发现 link 也给保留下来了, 保留 a 会把 addr 也给保留下来, 解决办法就是加 \b 断言。

  <(?!((/?\s?li\b)|(/?\s?ul)|(/?\s?a\b)|(/?\s?img\b)|(/?\s?br\b)|(/?\s?span\b)|(/?\s?b\b)))[^>]+>

  private static string RemoveSpecifyHtml(string ctx) {

  string[] holdTags = { "a", "img", "br", "strong", "b", "span", "li" };//保留的 tag

  // <(?!((/?\s?li\b)|(/?\s?ul\b)|(/?\s?a\b)|(/?\s?img\b)|(/?\s?br\b)|(/?\s?span\b)|(/?\s?b\b)))[^>]+>

  string regStr = string.Format(@"<(?!((/?\s?{0})))[^>]+>", string.Join(@"\b)|(/?\s?", holdTags));

  Regex reg = new Regex(regStr, RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase);

  return reg.Replace(ctx, "");

  }


 

作者:论坛整理责任编辑:杨玲)
请关注天极网天极新媒体 最酷科技资讯
扫码赢大奖
评论
* 网友发言均非本站立场,本站不在评论栏推荐任何网店、经销商,谨防上当受骗!
热点推荐
微软Windows 10操作系统Win10系统在Win8的基础上对界面、特性以及跨平台方面做了诸多优化。[详细]
Windows 10 新视界 [进入频道][使用技巧][微博互动]
手机整机DIY企业级