Question

我有一个CSV文件，我试图从中删除HTML代码，并返回所有行。

使用<*>进行查找/替换会返回＆＃34;此公式存在问题＆＃34;错误。

尝试\<*>会收到错误＆＃34;我们无法找到要替换的内容。＆＃34;

尝试此VBA也无效 - 它运行成功，但所有标签仍然存在：

Sub t()
With Range("A1:AE60165")
    .Replace Chr(10), " "
    .Replace Chr(13), " "
    .Replace vbCr, " "
    .Replace vbLf, " "
    .Replace vbCrLf, " "
    .Replace "<*>", ""
End With
End Sub

该宏也不删除任何换行符或回车符。使用Char!10)或Char(13)进行查找/替换也不会做任何事情。

我尝试的最后一件事是Worksheetfunction.Clean(Range("A1"))，它也什么也没做。但如果在A2中，我使用=CLEAN(A1)，则会成功删除换行符。我不能在所有细胞上做到这一点，因为数据集非常大。

我甚至无法从所有单元格中成功删除@。我刚刚运行它，它删除了23个实例，但即使我选择的单元格也有@但还没有删除。

我怀疑它与CSV有关，因为我不知道它为何如此复杂。这是一个很多数据，所以功能可能不是最好的选择。

可能是某些Unicode类型问题吗？

编辑：FWIW，我正在使用profiles.csv找到here，因为我学习Python只是为了解决这个问题。 Here's a pastebin链接到少量数据，但我不确定它的翻译效果如何？＃34;}＆＃34;}在该网站上。

Answer 1

尝试使用notepad ++，它会更容易，或者您可以在SQL中导入CSV并在那里进行替换

Answer 2

下面你会找到一个函数调用来说明这个过程。您应该处于循环中进行这些调用的位置，最好是在数组循环中并在之后写回结果以提高性能。

示例电话

Sub test_RemoveHTML()
Dim s As String: s = "<b>xxx</b><div />"
MsgBox RemoveHTML(s)
End Sub

辅助功能

Function RemoveHTML(s As String) As String
' Purpose: remove HTML tags and comments from string via regular expression
On Error GoTo oops
Dim oRegEx   As Object       ' Late Binding
Set oRegEx = CreateObject("vbscript.regexp")

With oRegEx
    '.Pattern = "<[^>]+>"      'basic html pattern
    .pattern = "<!*[^<>]*>"    'html tags and comments
    .Global = True
    .IgnoreCase = True
    .MultiLine = True
End With

RemoveHTML = oRegEx.Replace(s, "")

leaveFunction:
On Error Resume Next
Set oRegEx = Nothing            ' clear memory
Exit Function

oops:
MsgBox "Error No " & Err.Number & " " & Err.Description, _
       vbExclamation, "RemoveHTML"
Resume leaveFunction
End Function

无法正确查找/替换

2 个答案: