Question

好的，所以我有一个我自己无法解决的问题。我正在转换从特定链接下载的HTML文件检索的数据。 HTML文件包含一个基于DIV的表，而不是TABLE标头。但这是次要问题。主要问题是，当转换为TXT时，我需要输出文件具有html表行中的一行数据，该行已经完成并且几乎可以按预期工作。问题是html表中有空单元格，在原始HTML文本中只是＆nbsp;空格，但是在输出TXT文件中，我需要使用0而不是空白空间。另一个问题是，我必须删除一些＆nbsp;伴随数据值的空格。我知道这听起来有点复杂，我将基于示例进行解释。

所以可以说这是我的原始html数据：

<div style="position:absolute;top:141px;left:270px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;">

AB-CDE&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;  // expected result: AB-CDE

<DIV style="position:absolute;left:325px;top:141px;height:16px;width:47px; background-color: #E3E3E8"></div>

<div style="position:absolute;top:141px;left:333px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;">

&nbsp;2:27&nbsp;&nbsp;&nbsp;     // expected result: 2:27

</DIV>

<DIV style="position:absolute;left:372px;top:141px;height:16px;width:170px; background-color: #E3E3E8"></div>

<div style="position:absolute;top:141px;left:372px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;">

SURENAME&nbsp;Name&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;   // expected result: SURENAME Name

</DIV>

<DIV style="position:absolute;left:592px;top:141px;height:16px;width:25px; background-color: #E3E3E8"></div>

<div style="position:absolute;top:141px;left:599px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;">

1&nbsp;&nbsp;  // expected result: 1

</DIV>

<DIV style="position:absolute;left:617px;top:141px;height:16px;width:25px; background-color: #E3E3E8"></div>

<div style="position:absolute;top:141px;left:626px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;">

&nbsp;&nbsp;&nbsp;    // expected result: 0

<DIV style="position:absolute;left:617px;top:141px;height:16px;width:25px; background-color: #E3E3E8"></div>

<div style="position:absolute;top:141px;left:626px;font-family:Arial;font-size:8pt;color:#000080;background-color:#E3E3E8;z-index: 9999;”>

因此所需的REGEX必须在大括号>和<之间找到数据，查找是否有＆nbsp;在它们之间和：

如果只有＆nbsp；（单个或多个）-替换为“ 0”（零）
如果有＆nbsp；与：

a）AB-CDE类型的文本或

b）名称格式为SURENAME名称或

c）时间设置为＆nbsp; s

之间的2:27

删除此匹配项中的所有＆nbsp;仅保留AB-CDE文本或SURENAME名称或时间2:27。

所以我想到了：

情况1）（？<=>）\ n * \ s *（）+？\ s * \ n *（？= <）https://regex101.com/r/eZ1gT7/1980

情况2a）（？<=>）\ n * \ s *（） [AZ] +-[AZ] +（）+ \ s \ n *（？= <）{ {3}}

情况2b）（？<=>）\ n * \ s *（） [AZ] +（）+ [A-Za-z] +（）+ \ s \ n * （？= <）https://regex101.com/r/eZ1gT7/1981

情况2c）（？<=>）\ n * \ s *（） [0-9] +：[0-9] +（） \ s * \ n *（？ = <）https://regex101.com/r/eZ1gT7/1983

现在我的问题是，在情况2a，2b和2c中，我需要排除 AB-CDE ， SURENAME名称和时间 2:27 >来自实际比赛。它们仅用于标记大括号之间的范围，在该范围内必须基于特定正则表达式进行特定替换。怎么做？请帮忙！我正在为此苦苦挣扎。

多个REGEX在解析前修改HTML

0 个答案: