匹配标签的正则（用于抽取纯文本）

首先放结果：

(\n|[ \t])*<([^>"']*|"[^"]*"|'[^']*')*>(\n|[ \t])*

创作步骤：

最简单最基础的匹配模式：
```
<[^>]*>
```
如果标签中的文本属性中含有 <> 字符怎么办呢？一开始考虑用平衡组，想了一下感觉杀鸡用牛刀，直接选用了 "[^"]*" 模式：
```
<([^>"]*|"[^"]*")*>
```
同理，增加 '[^']*' 模式：
```
<([^>"']*|"[^"]*"|'[^']*')*>
```
按道理到了这里就可以结束了，如果想要一次性到位将多余的换行和前导后导空白也匹配上的话可以略做修饰：
```
(\n|[ \t])*<([^>"']*|"[^"]*"|'[^']*')*>(\n|[ \t])*
```
将所有匹配到的文本全部替换为空文本即可。

转载于:https://www.cnblogs.com/rexfield/p/9185630.html

匹配标签的正则（用于抽取纯文本）相关推荐

html中如何显示纯文本,从Html中取出纯文本
需求来源从后台返回的数据是一个数组,每个数组元素是html字符串,可以显示在一个UIWebView中. 在显示这个html字符串的详情页面的上一级是一个列表,展示标题和内容简介.但是,后台返回的数据 ...
从html富文本中提取纯文本
其实从html富文本中提取纯文本很简单,富文本基本上是使用html标签给文本加上丰富多彩的样式. 所以只需要将富文本字符串中的"<.....>"标签剔除,即可得到纯文本 ...
使用正则去除标签，提取HTML 纯文本
场景: 提取HTML中纯文本 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://ww ...
IOS使用正则表达式去掉html中的标签元素,获得纯文本
IOS使用正则表达式去掉html中的标签元素,获得纯文本 content是根据网址获得的网页源码字符串 NSRegularExpression *regularExpretion=[NSRegular ...
explode php 正则,php用preg_replace和explode将li列表分割成纯文本数组
下面有一段html li 标签列表: $liStr=' 001002003004005 '; 需求是将这些列表转换成纯文本数组,例如: ["001","002" ...
php匹配图片,PHP正则匹配img及标签各属性值（匹配图片函数）
有一个项目要获取页面中所有img标签中的图片地址,这里我们使用到了preg_match_all正则函数,然后看我下面的一些参数即可实现了. 例代码如下复制代码 $ext = 'jpg|jpeg|g ...
文本处理去除html标签,删除html标签得到纯文本可处理嵌套的标签
方法基本上来自THinkphp中的源码,但是被我修改了一下 /* *@Description:删除HTML标签,得到纯文本.可以处理嵌套的标签 * */ class deleteHtmlTags{ p ...
web爬虫，scrapy模块标签选择器下载图片，以及正则匹配标签
标签选择器对象 HtmlXPathSelector()创建标签选择器对象,参数接收response回调的html对象需要导入模块:from scrapy.selector import HtmlXP ...
4、web爬虫，scrapy模块标签选择器下载图片，以及正则匹配标签
标签选择器对象 HtmlXPathSelector()创建标签选择器对象,参数接收response回调的html对象需要导入模块:from scrapy.selector import HtmlXP ...

匹配标签的正则（用于抽取纯文本）

匹配标签的正则（用于抽取纯文本）相关推荐

最新文章

热门文章