Question

我正试图找到一种方法来清理一些非常草率的HTML（机器生成）。

我的假设是这个解决方案的正则表达式，但我不知道从哪里开始。

HTML like ...

the <div>government’s</div> “risk management” efforts. As&nbsp;<br />
<span style="line-height:1.6em">critical infrastructure provides</span><br>

到HTML ... ...

the government's "risk management" efforts. As critical infrastructure provides

这意味着更换或删除多个不同的标签...

&nbsp;   = ' '
<br />   = ' '
<br>     = ' '
“        = "
”        = "
’        = '
<span>   = REMOVE
<div>    = REMOVE
style    = REMOVE

我有几个不同的文本编辑器（Sublime Text，TextMate等），我可以使用apps，applescript或其他任何东西来节省手动搜索其中的每一个。

感谢您的帮助。

Answer 1

用<span>标签包装，获取内部html，并执行string.replace

<span id="test">
the
<div>government’s</div>“risk management” efforts. As&nbsp;
<br />
<span style="line-height:1.6em">critical infrastructure provides</span>

<br>
</span>

var cleanText = test.innerHtml.replace("<div>","");

或者只需要innerText，它就会删除所有标签。

Answer 2

使用Sublime Text，您可以通过Package Control安装插件ClipboardCommands，然后

选择sublime text
输入ctrl + shift + p（windows），选择＆＃39;剪贴板：复制纯文本＆＃39;
＆＃39; CTRL + SHIFT + P＆＃39;再次选择＆＃39;剪贴板：粘贴纯文本＆＃39;

这将按预期工作，但正如您所看到的，它有点烦人，您可以自己扩展此插件或安装现有的one，我从原点分叉并进行一些改动以满足您的要求。你可以在任何地方复制草率的html，然后使用命令＆＃34;剪贴板：粘贴纯文本和html标签去掉＆＃34;通过快速面板（ctrl + shift + p）或绑定任何你喜欢的快捷方式

HTML标签更换/删除

2 个答案: