使用RegEx从HTML清除空格

Question

RegEx是否可以清除HTML中的空格？

例如：

<p><b>foo</b> <i>bar</i></p>
<p>foo</p> <p>bar</p>

在第一行，结束b和开始i标记之间的空格是有效的（尽管它可能是 ），但是在第二行，它是我希望清理的空白，因为它应该是没有任何语义价值。

使用DOM遍历可能会更好地解决这个问题吗？

Answer 1

像HTML Tidy这样的东西似乎更适合你正在寻找的东西 - 而不是需要重新创建所有可能复杂的规则（例如你的第一个空格是重要的，但是不是第二个，等等。）

否则，我同意 - DOM遍历将比正则表达式更好 - 特别是如果您的HTML已经符合XHTML并且可以轻松地以XML格式遍历。

Answer 2

首先我要引用;） “要求正则表达式解析任意HTML就像要求Paris Hilton编写操作系统” 然后回到业务。 你可以尝试不同的正则表达式标签（虽然，我怀疑这是有效的方法）：

sed -e 's/<p>\ </<p></g'

删除<p>(whitespace)<(whatever_tag)空格。

否则，我也同意DOM遍历。