Question

我尝试使用reqular表达式从html字符串中删除特定链接。

我有一个像这样的html字符串：

<a href="http://linkA.com/fdfdfdf">use this</a> to make this <a href="http://linkB.com/fdsfds">happen</a>

最后我希望它看起来像这样：

<a href="http://linkA.com/fdfdfdf">use this</a> to make this happen

我尝试了很多模式。起初我删除了所有href：

</?a(|\s+[^>]+)>

然后我尝试了许多正则表达式：

<a\s+(?:[^>]*?\s+)?href="linkB.com([^"]*)
/<a[^>]*href="http\:\/\/linkB.com([^"]*)"[^>]*>.*<\/a>/
<a href="[^"]*?linkB*?">.*?</a>

<a\s.*?href=["']([^"']*?linkB[^"']*?)[^>]*>.*?<\/a>

(?=.*href=\"([^\"]*linkB[^"]*)")<a [^>]+>
<a[^>]*puustelli[^>]*>[^<]*<\/a>

他们都没有做我需要做的事情。魔术需要通过仅查找网址的域名部分来实现。我希望指向linkB的所有链接都消失，但保留锚文本。

Answer 1

此正则表达式将找到包含“linkB.com”的href的锚标记，并保留捕获组1中锚标记之间的文本。

<a\s+href\s*=\s*"[^"]*?linkB\.com[^"]*">([^<]+)</a>

请注意，此正则表达式非常严格。它不允许锚标记中的额外属性，也不允许标记出现在锚标记之间。它可以变得更加灵活，但会很快变得丑陋。如果您需要比此正则表达式提供的更多灵活性，我认为最好使用HTML解析器，例如HTML Agility Pack。

Answer 2

试试这个

(<\sa\shref=[^<]+<\sa)href="http:\/\/linkB\.com\/[^>]+(>happen<\/a>)

OR

(.*<\sa\s)href="http:\/\/linkB\.com\/[^>]+(>happen<\/a>)

从html中删除特定链接，但使用正则表达式保留锚文本

2 个答案: