知识大全正则表达式删除指定的HTML 标签

Posted 2022-07-21 知

篇首语：好学而不勤问非真好学者。本文由小常识网(cha138.com)小编为大家整理，主要介绍了知识大全正则表达式删除指定的HTML 标签相关的知识，希望对你有一定的参考价值。

正则表达式删除指定的HTML 标签 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！

　　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 (是字符串不是字符是某些不是某个) 确实是个费解的事

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

　　这个正则是判断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除这里列出的HTML标签这也是我摸索了很长时间才搞出来的

　　(?!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? )))[^>]+> 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

　　string regStr = string Format(@ <(?!((/?\\s? )))[^>]+> string Join(@ \\b)|(/?\\s? holdTags));

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

　　return reg Replace(ctx );

cha138/Article/program/ASP/201311/21752

知识大全 正则表达式删除指定的HTML 标签