Question

我有很多HTML文件，包含很多不必要的标签。

<span class="foo">A</span><span class="foo">B</span><span class="foo">C</span>...

我试图删除这一系列不必要的标签，然后像这样更改它们。

<span class="foo">ABC</span>

我在Ruby中使用了一个简单的正则表达式。 myhtml.gsub!(/<\/span><span class=".*?">/,"")

到目前为止它运作良好，但现在我对这样的标签有一个问题：

<span class="foo">A</span><span class="bar">B</span><span class="foo">C</span>

我的正则表达式还删除了必要的标记，例如<span class="bar">.

我想像这样使用捕获组 <span class="(.+?)">(.+?)<\/span><span class="\1"> ... 但我不知道如何正确地写它。

如何重写正则表达式来解决它？

编辑：感谢您的评论，但对于缺乏信息感到抱歉，

有许多课程，如＆＃34; foo＆＃34;，＆＃34; bar＆＃34;，＆＃34; hoge＆＃34;，＆＃34; abc＆＃34; ... etc
我无法期待连续标签的类别。
另外，我不能＆＃39;期望每个html文件中有多少个连续标签

Answer 1

最佳使用nokogiri

删除标签

doc = Nokogiri::HTML(string)
doc.search("span.foo").remove
doc.to_html

合并连续标签

doc = Nokogiri::HTML(string)
doc.search("span.foo + span.foo").each do |each|
  each.previous_element.inner_html += each.inner_html
  each.remove
end
puts doc.to_html

正则表达式删除不必要的HTML标记

1 个答案: