Question

我试图找到一个正则表达式（使用记事本++），这使我能够删除每个单词上的多余<font>元素，以便整理它。

我有以下代码：

<font face="Arial" size="12">A </font>
<font face="Arial" size="12">
 </font>
<font face="Arial" size="12">guy </font>
<font face="Arial" size="12">
 </font>
<font face="Arial" size="12">went </font>
<font face="Arial" size="12">
 </font>
<font face="Arial" size="12">to </font>
<font face="Arial" size="12">
 </font>
<font face="Arial" size="12">get </font>
<font face="Arial" size="12">
 </font>
<font face="Arial" size="12">H </font>
<font face="Arial" size="12">
 </font>
                <font face="Arial" size="12">
    <sub>2</sub>
 </font>
 <font face="Arial" size="12">0</font>
<font face="Arial" size="12">. </font>
<font face="Arial" size="12">
 </font>

我的预期输出是：

<font face="Arial" size="12">A guy went to get H<sub>2</sub>0.</font>

字体的面貌和大小将始终相同。
我不想消除其他元素，例如＆lt; sup＆gt;
我需要删除换行符和制表符，但不要删除空格
我不想取消第一次开幕和最后一次结束

到目前为止，我所做的并不能让我达到上述三点，因为我怀疑我是从错误的方向接近问题。

查找： (<font[^>]+>)(.*?)<\/font>[\s]?
替换： $2

Answer 1

如果NP ++支持\K和\G以及(?|..)结构（PCRE兼容），这适用于您的示例文本。

请注意，修剪是一般化的，但您可能需要将其修改为
满足您的需求。

查找(?s)(?:(?!\A)\G|<font\s+face="Arial"\s+size="12">\K)(?|\s+()|(?:\s*\r?\n\s*)?(.*?)(?:\s*\r?\n\s*)?)</font>.*?<font\s+face="Arial"\s+size="12">
替换$1

格式化

 (?s)
 (?:
      (?! \A )
      \G 
   |  
      <font \s+ face="Arial" \s+ size="12">
      \K 
 )
 (?|
      \s+ 
      ( )                           # (1)
   |  
      (?: \s* \r? \n \s* )?
      ( .*? )                       # (1)
      (?: \s* \r? \n \s* )?
 )
 </font>
 .*? 
 <font \s+ face="Arial" \s+ size="12">

替换所有

后的输出

<font face="Arial" size="12">A guy went to get H <sub>2</sub>0. 
</font>

使用RegexFormat 7

进行测试

正则表达式删除HTML中的<font>标签

1 个答案: