所以我还在研究这个解析器。今天我发现了一个标记为<st1:place w:st="on">的文档，Google告诉我这是一个Microsoft Office智能标记。
我想摆脱这些东西，但我找不到它们是什么或有多少它的列表？
如果它们都遵循<...:...>模式，则可以使用正则表达式轻松删除。
该文档没有doctype和.jsp扩展名，但是所有内容都在两个<html>标记之间，但不管是非标准的，我仍然需要解析它。
好吧这实际上不是一个大问题，但它会抛弃我的格式＆amp;我错了。
答案 0 :(得分：1)
这个正则表达式可以解决这个问题：
/<[:alnum:]+:[\s\S]*>/
它将在任何以＆lt;打开的标签上触发然后是一个字母数字模式，后跟一个'：'冒号。
可替换地：
/<\s*[:alnum:]+:[\s\S]*>/
允许标签的宽松格式化程序（开头＆lt;和命名空间之间的空格）
答案 1 :(得分：-1)
我们想删除<w:smartTag>，下面列出的内容对我们有所帮助。
/<w:smartTag[^>]*>/