在Web Harvest中创建具有特殊字符的正则表达式

Question

我正在使用web harvest（http://web-harvest.sourceforge.net/），这是一个开源网络抓取工具。

我尝试使用的正则表达式有“＆lt;”，“＆gt;”字符（因为我试图删除所有进入的HTML标记）。这会导致问题，因为元素的内容必须由格式良好的字符数据或标记组成。

我需要以某种方式逃避正则表达式，但无法弄清楚如何。

有什么想法吗？

Answer 1

使正则表达式格式良好的XML。尝试将<替换为<，将>替换为>。同样，如果正则表达式中有&，则需要将其替换为&。

另外，我建议您使用HTML解析器而不是正则表达式来执行此任务。