用于从段落中删除所有属性的正则表达式

Question

我知道正则表达式通常不应该用于解析html内容。在我的特殊情况下，我需要它们 （原因是，我正在使用rte编辑器，当粘贴到编辑器中时，需要对段落的属性进行一些替换）。

我有类似

的东西

<p attribute1="val1" attribute2="val2" attribut="val3" ...>text blah blah</p>

我需要剥离所有属性以便我得到

<p>text blah blah</p>

如何使用正则表达式完成此操作？

从所有可能的html标签中删除属性的解决方案也很受欢迎。

Answer 1

这样的东西应该适用于所有标签：

replace(/<\s*(\w+).*?>/, '<$1>')

仅限段落，只需替换\w：

replace(/<\s*p.*?>/, '<p>')

开头的\s*允许在标记名称之前添加空格，因此如果由于某种原因有< p class="foo">，那么它也适用于此。

Answer 2

因为html标记在标记名称之前不能有空格并且可以在多行上继续，所以我建议这样做：

replace(/<(\w+)(.|[\r\n])*?>/, '<$1>');

仅限段落：

replace(/<p\s+?(.|[\r\n])*?>/, '<p>');

Answer 3

perl -lpe 's/(<\w+)\s+[^>]*/$1/'