查找/替换正则表达式以删除html标记

Question

使用find和replace，正则表达式将删除围绕这样的标记：

<option value="863">Viticulture and Enology</option>

注意：选项值会更改为不同的数字，但可以使用正则表达式删除数字

我仍在努力学习，但我无法让它发挥作用。

我没有使用它来解析HTML，我在excel中提供了我们公司网站上的数据，但是我们的设计师删除了原始数据文件，我们需要它。我有一个选项列表，需要删除HTML标签，使用Notepad ++查找和替换

Answer 1

这适用于我的Notepad ++ 5.8.6（U​​NICODE）

搜索：<option value="\d+">(.*?)</option>

替换：$1

请务必选择“正则表达式”和“。匹配换行符”

Answer 2

我使用以下正则表达式完成：

查找： <.*?>|</.*?>

和

替换为： \r\n（这是新行）

通过使用此正则表达式（<.*?>|</.*?>），我们可以轻松找到HTML标记之间的值，如下所示：

我输入了：

<otpion value="123">1</option><otpion value="1234">2</option><otpion value="1235">3</option><otpion value="1236">4</option><otpion value="1237">5</option> 

我需要在1,2,3,4,5

等选项之间找到值

并得到以下输出：

Answer 3

这对我很有用：

• 在“查找”模式中选择“正则表达式”。
• 输入[＆lt;]。*？＆gt;在“查找内容”字段中，将“替换为”字段留空。
• 请注意，您需要使用Notepad ++版本5.9？运营商工作。

在这里找到： digoCOdigo - strip html tags in notepad++

Answer 4

这样的东西可行（只要你知道HTML的格式不会改变）：

<option value="(\d+)">(.+)</option>

Answer 5

String s = "<option value=\"863\">Viticulture and Enology</option>";
s.replaceAll ("(<option value=\"[0-9]+\">)([^<]+)</option>", "$2")
res1: java.lang.String = Viticulture and Enology

（用scala测试，因此res1：）

使用sed，你会使用一些不同的语法：

echo '<option value="863">Viticulture and Enology</option>'|sed -re 's|(<option value="[0-9]+">)([^<]+)</option>|\2|'

对于记事本++，我不知道细节，但“[0-9] +”应该表示'至少一个数字'，“[^＆lt;]”除了开口小于，多次之外的任何东西。掩蔽和反向引用可能不同。 正则表达式存在问题，如果它们跨越多行，或者被注释隐藏，则正则表达式将无法识别它。

然而，很多html以正则表达式友好的方式进行处理，总是符合一条线，并且从未评论过。或者你在一次性代码中使用它，并且可以在之前检查你的输入。