Question

我需要将此字符串<a class=BC_ANCHOR href="http://www.msn.com" onClick=something target=_blank>MSN</a>删除到<a href="http://www.msn.com">MSN</a> - 但此正则表达式\s+\w+[^href]=\S*\w?不会在结束时>停止，而是运行到</a>的结尾{1}} - 有人可以协助我让这个正则表达式在结束>时停止吗？

谢谢！

Answer 1

通过添加\w+[^href]，您仍然可以使用<a href ="...之类的内容，并且可以排除以h，r，e或f结尾的标记（不一定是href）。

尝试

\s+(?!href)[a-zA-Z+]+ *= *(?:"[^"]+"|\w+)

说明：(?!href)是一个负向前瞻，阻止标记成为href。

[a-zA-Z]+是您的标记。在'='之前和之后允许有空格。我限制使用字母，因为我非常确定属性名称不能包含数字或下划线（\w允许）。

(?:"[^"]+"|\w+)表示标记的值可以是双引号内的任何内容，也可以是未引用的\w+集。

这些都会阻止匹配移出>，除非您的正则表达式格式错误且您有（例如）<a name="asdf>（请注意缺少结束"）。

Answer 2

不要尝试使用正则表达式清理HTML。你更有可能以不良的安全后果来解决问题。

可能有针对您的问题的DOM解决方案，如果没有，有些库已经过以解析器为生的人进行了彻底的测试和审核。

无耻的插件：http://code.google.com/p/google-caja/wiki/JsHtmlSanitizer

Answer 3

如果你真的想使用正则表达式，我的建议是反过来做。将href和链接文本解压缩到组，然后再次生成标记。

href="([^"]+)"[^>]*>([^<]+)<\/a>

有人提到使用DOM获取值，我也同意如果你使用JS是最好的选择。

Answer 4

您在处理HTML或DOM元素吗？

处理元素要容易得多。如果你想让元素只有一个href属性，那么为什么不能这样：

function fixLink(el) {
  var newLink = document.createElement('a');
  newLink.href = el.href;
  newLink.appendChild(document.createTextNode(el.textContent || el.innerText));
  el.parentNode.replaceChild(newLink, el);
}

即使您正在处理HTML，您也可以将其插入新元素（比如div），执行上述操作，然后获取剩余的innerHTML。

正则表达式有条不紊地剥离HTML标记内容

4 个答案: