Regex для удаления тегов html, оставляя теги PHP, а затем удаляйте пустые строки

Я пытаюсь написать регулярное выражение, которое я могу использовать для преобразования правильно сформированной страницы HTML/php в копию простого текста/php. Я написал регулярное выражение для соответствия тегам HTML, оставив php:

<\w*[\s=\w-\d'"/!]*>

и я заменяю любые совпадения пустой строкой. Проблема, которая у меня есть, заключается в том, что

<!DOCTYPE HTML>
<html lang="en-US">
<head>
    <meta charset="UTF-8">
    <title></title>
</head>
<body>

становится 7 пустых строк. Есть ли хороший способ заменить символы новой строки в этих строках без замены всех символов новой строки во всем документе?


regex newline
person Brendon Dugan    schedule 21.12.2011    source источник
comment
Какой язык вы используете? Вы, вероятно, не можете решить это с помощью одного регулярного выражения. например вам нужно будет обрабатывать такие вещи, как: <?php echo('<b title="remove this too?">boldstuff</b>') ?>   -  person ridgerunner    schedule 21.12.2011
comment
На самом деле я использую инструмент под названием Regexr ( gskinner.com/RegExr ), и я использую его только для простые вещи. Я мог бы легко удалить этот материал вручную, я просто подумал, что регулярное выражение будет хорошим опытом обучения.   -  person Brendon Dugan    schedule 21.12.2011
comment
\s*<\/?\w*[^>]*>\s* Кажется, работает по приведенной выше ссылке.   -  person Kassym Dorsel    schedule 21.12.2011
comment
Кроме того, поскольку весь HTML, с которым я работаю, является моим собственным, и мне не особенно нравится встраивать html в эхо-операторы PHP (просто личное предпочтение), мое регулярное выражение работает хорошо без новых строк.   -  person Brendon Dugan    schedule 21.12.2011
comment
@Kassym: Это удаляет все разрывы строк и пробелы вокруг тегов, в результате чего получается одна строка беспорядочного текста.   -  person Brendon Dugan    schedule 21.12.2011
comment
Аааа - изучение регулярных выражений... Я приветствую вас! Обязательно выработайте привычку использовать режим свободного пространства 'x' с большим количеством комментариев и отступов (ознакомьтесь с некоторыми из моих ответов здесь для некоторых примеров). Если вы серьезно относитесь к изучению регулярных выражений, я настоятельно рекомендую прочитать: Мастерство регулярных выражений (3-е издание) — время, потраченное на чтение, окупится много раз. Также обязательно ознакомьтесь с: regular-expressions.info.   -  person ridgerunner    schedule 21.12.2011

Ответы (2)


arrow_upward
0
arrow_downward

Хорошо, я думаю, что понял. Хитрость заключается в том, чтобы удалить любые символы новой строки/пробела ПЕРЕД тегами html. Вот рабочая копия:

[\r\n\s]*?<\w*[\s=\w-\d'"/!]*>
person Brendon Dugan    schedule 21.12.2011

arrow_upward
-1
arrow_downward

Я не знаю, насколько отказоустойчиво это регулярное выражение, но в моем тестовом случае оно работало нормально.

(?<=\w)<[^?]\w*[^>]*>| *<[^?]\w*[^>]*>\s* заменить нулевой строкой.

<!DOCTYPE HTML>
<html lang="en-US">
<head>
    <meta charset="UTF-8">
    <title></title>
</head>
<body>

=> ""

<!DOCTYPE HTML>
<html lang="en-US">
<head>
    <meta charset="UTF-8">
    <title>hello</title>
    <title>hello</title>
</head>
<body>

=> 

hello
hello
person Kassym Dorsel    schedule 21.12.2011
comment
Это также удаляет все теги php. - person Brendon Dugan; 21.12.2011
comment
Теперь не следует удалять теги php. У вас есть тестовый пример, который включает все с желаемым результатом? - person Kassym Dorsel; 21.12.2011