62,041
社区成员
发帖
与我相关
我的任务
分享求一提取HTML的的正则表达式(在线等待)
程序抓回一段HTML，例如：
<table width=0>
<tr><td><img src="xxx.jpg"><br>
<p><a href="#">美丽图</a></p>
</td></tr></table>
要求实现只保留正文内容及<img><p></p><br>四种HTML标记，将其它HTML替换为空格。
<table width=0>
<tr><td><img src="xxx.jpg"><br>
<p><a href="#">美丽图</a></p>
</td></tr></table>
要求实现只保留正文内容及<img><p></p><br>四种HTML标记，将其它HTML替换为空格。
...全文
请发表友善的回复…
发表回复
netlg 2006-10-19
- 打赏
- 举报
同意gzdiablo() 的两贴，
我也纳闷为什么很多人不知道尽快结贴，不是为了省分吧，一发贴分就已经给出去了，不合逻辑
mt
我也纳闷为什么很多人不知道尽快结贴，不是为了省分吧，一发贴分就已经给出去了，不合逻辑
mt
gzdiablo 2006-10-19
- 打赏
- 举报
最后提一句 记得结帖 我解答了100多条问题只有25条拿了分 再这样我就不来这混了
gzdiablo 2006-10-19
- 打赏
- 举报
这个比较复杂必须通过几个步骤完成
1.你必须取得<body>标签内的全部代码
match: <body>(?:\s*|.)*</body>
2.剔除第一步获取的代码里面的<script><style><!--...-->等非网页内容的标签在这不一一列举了
只要replace掉<(script|style|XXX)[^>]*>(?:\s*|.)*</\1>的match即可
3.再进行删除标签的工作
Regex.Replace(第二步的结果,"<(?!img|p|/p|br)[^>]*>","")
4.剔除其他可能存在的非文档内容如.
select的option标签里面的文本等等
1.你必须取得<body>标签内的全部代码
match: <body>(?:\s*|.)*</body>
2.剔除第一步获取的代码里面的<script><style><!--...-->等非网页内容的标签在这不一一列举了
只要replace掉<(script|style|XXX)[^>]*>(?:\s*|.)*</\1>的match即可
3.再进行删除标签的工作
Regex.Replace(第二步的结果,"<(?!img|p|/p|br)[^>]*>","")
4.剔除其他可能存在的非文档内容如.
select的option标签里面的文本等等
petshop4 2006-10-18
- 打赏
- 举报
youstr=Regex.Replace(youstr,"<(?!img|br|p|/p).*?>","")
lip009 2006-10-17
- 打赏
- 举报
<(?!img|br|p|\/p)[^<>]*>
这一段是正则表达式内容
这一段是正则表达式内容
lip009 2006-10-17
- 打赏
- 举报
是否是LZ想要的结果?
lip009 2006-10-17
- 打赏
- 举报
<script>
var str="<table width=0><tr><td><img src=\"xxx.jpg\"><br><p><a href=\"#\">美丽图</a></p></td></tr></table>";
alert(str.replace(/<(?!img|br|p|\/p)[^<>]*>/g,""));
</script>
var str="<table width=0><tr><td><img src=\"xxx.jpg\"><br><p><a href=\"#\">美丽图</a></p></td></tr></table>";
alert(str.replace(/<(?!img|br|p|\/p)[^<>]*>/g,""));
</script>
fys 2006-10-17
- 打赏
- 举报
没人知道？
fys 2006-10-17
- 打赏
- 举报
顶
fys 2006-10-17
- 打赏
- 举报
Regex.Replace(strhtml, "<[^>]*[^p]>", "", RegexOptions.IgnoreCase)
用这个还差img的没法排除掉
用这个还差img的没法排除掉
