是否有可能开发快速，安全的流式正则表达式HTML缩小？

Question

我知道，不应该用正则表达式解析HTML。解析是获得真正有效的HTML缩小的唯一方法。

但如果我不担心完美呢？我只想从HTML中获得合理数量的空白。

而不是将正则表达式应用于大型文件，我想将其应用于文件块的流。

我目前的解决方案就是：

(?<=>)\s+(?=<)

找到打开和关闭HTML标记之间有多个空格的任何地方，例如> <。我将所有匹配替换为" "（单个空格）。

我的问题是

1. 这样安全吗？即，这可能会破坏典型HTML中的任何内容吗？
2. 我可以在不牺牲安全性的情况下获得更好的性能（速度和/或更多匹配）吗？

（PS：我已将它应用到一个大约500kb的文件。它达到了350kb。使用外部缩小器将它调到340kb。我对150kb的节省感到非常满意，并且不太担心额外的10kb 。）

Answer 1

这取决于。请考虑此HTML代码段：

<div> 
    <p>Some paragraph here</p>
    <div data-rel="some data > < here"> 
        <p>some subparagraph here</p>
    </div>
</div>

此处，您的表达式也会匹配一些可能重要的数据属性中的> <（请参阅a demo here） - 这可能会也可能不会破坏您的代码（广告1）。

关于你的第二个问题（广告2.），匹配通常比看起来更快，所以你也可以写：

>\s+<

并将其替换为

><

请参阅reduction in steps与此处的第一个表达式相比较（259对28步，减少约90％）。