我需要从任意字符串html中

Question

HTML首先通过净化器运行（tinyMCE + Wordpress），因此它应该与某些标准形式匹配。所有脚本和样式标签都被剥离，标签内的所有数据都是html_encoded，因此不需要担心无关的符号。

我知道用正则表达式解析html的一般立场是“不要”，但在这个具体的例子中，问题似乎不像解析，更像是简单的字符串处理...我错过了一些看不见的级别复杂？

就我可以分解而言，似乎有问题的模式可以分解为逻辑组件：

1. /<[a-zA-Z][^>]+ - 匹配任何html标记的开头以及其中的任何标记和属性组合，但不包括结束括号
2. (?i:class)=\" - 类属性的开头，不区分大小写
3. (?: - 启动非捕获子模式
4. (?: *[a-zA-Z_][\w-]* +)* - 任意数量的类名（或无），但如果存在，则在捕获之前必须有空格
5. ( *。implode（'|'，$ classes）。*) - 要捕获的类集，preg_quoted
6. (?: +[a-zA-Z_][\w-]* *)* - 任意数量的类名（或无），但如果存在，则捕获后必须有空格
7. )+ - 关闭非捕获子模式并循环它以防多个匹配类在一个属性中
8. \"(?: [^>]*)>/ - 类属性的结尾，以及html标记末尾的所有内容

制作最终的正则表达式：

$pattern = "/<[a-zA-Z][^>]+ (?i:class)=\"(?:(?: *[a-zA-Z_][\w-]* +)*( *".implode('|', $classes)." *)(?: +[a-zA-Z_][\w-]* *)*)+\"(?: [^>]*)>/";

我还没有尝试过运行它，因为我知道它是否有效，我会非常想要使用它，但通过preg_replace运行它似乎应该可以完成这项工作，除了一个小问题。我相信它会在捕获区域周围留下无关的空白。这不是一个重要问题，但如果有人知道如何，可能会避免这种情况。

还应该注意的是，这不是一个关键任务的过程，如果我的捕获偶尔无法移除类，那么没有人会死。

所以，实质上......有人可以解释在这种情况下是什么让这个坏主意？

Answer 1

好的，那是你要从给定的html中删除的类名列表吗？

我想说的是，您要删除的给定类名列表是什么。你能给出一个典型的html的例子，它是什么，以及你想要改变它的内容。 例如：

在

   if(re.IsMatch(seg.status)){ //...  }

更改为

<div class="someClass">
  <i class="dontchange doChange"></i>
  <a class="hello john"></a>
</div>

Answer 2

这将替换所有html中的所有类。

myHtml.replace(/class\=\"[^\"]*\"/g,'');

这是你在找什么？还是更具体的东西？