正则表达式删除？

Question

我想要一个正则表达式来删除以下内容：

<a class="a" href="a.com">string</a>

我想要的是如果标签中有一个类属性我希望删除整个标签（<a class="a" href="a.com"></a>）和检索标签之间的字符串（string），否则保持原样。

Answer 1

我建议使用像HTML Agility Pack这样的HTML解析器，而不是尝试使用RegEx执行此操作 - RegEx不是用于解析常规HTML的好工具，如this answer explains。

下载附带了一堆Visual Studio项目作为使用示例。

  

什么是Html Agility Pack（HAP）？

     

这是一个敏捷的HTML解析器，它构建一个读/写DOM并支持普通的XPATH或XSLT（你实际上不需要理解XPATH或XSLT来使用它，不用担心......）。它是一个.NET代码库，允许您解析“out of the web”HTML文件。解析器非常容忍“真实世界”格式错误的HTML。对象模型与提出System.Xml非常相似，但对于HTML文档（或流）。

     

Html Agility Pack现在支持Linq to Objects（通过LINQ to Xml Like界面）。查看要使用此功能的新测试版

Answer 2

鉴于您想要解析HTML，使用XML解析器会更好，这是其他人已经建议的。

但是既然你想要正则表达式，我就想出了这个：http://regexr.com?2vuqs

<([^ ]+)([ \t]+[a-zA-Z-]+=(["'])[^\3]+?\3)*[ \t]+class=(["'])[^\4]\4([ \t]+[a-zA-Z-]+=(["'])[^\6]+?\6)*>([^<]+)</(\1)>

这不是失败证明，但它应该处理大多数情况。检查链接是否有效。