“从文本中删除HTML”的注释和答案

JDH对JDH答案的评论

JDH — 周一，2017年4月3日20:21:51格林尼治标准时间

在剥离HTML标记之前，您可以使用xmlFormatter删除多余的空白和空元素。确保更改空白处理以删除多余的空白。

JDH — 周一，2017年4月3日20:07:57格林尼治标准时间

http://www.regular-expressions.info/repeat.html上有一个关于懒惰与贪婪的很好解释。

额外的好处是它使用HTML标记作为示例。

埃里克詹 — 周一，2017年4月3日20:01:23格林尼治标准时间

可以，它不完整。我很喜欢你的解决方案：<[^>>
我想我的正则表达式知识需要一些扩展。

JDH — 周一，2017年4月3日19:39:41格林尼治标准时间

但它不匹配任何带有属性的标记，或是关闭标签

即墨 — 周一，2017年4月3日19:39:07格林尼治标准时间

我能用这个小宝石去掉HTML标签：

<[^＞] *>

然而，我无法删除只有空格或没有内容的行。我用另一个弦替换器来移除空格，然后测试人员查看行是否是“空字符串”。效果不错。

谢谢

埃里克詹 — 周一，2017年4月3日19:36:36格林尼治标准时间

哎呀，你是对的。
这个表达式更具选择性：“<[a-z 0-9！”＊>

JDH — 周一，2017年4月3日19:30:03格林尼治标准时间

将StringReplacer用作埃里克詹说，但是使用<[^>]*>应该删除所有的开始和结束标记。

JDH — 周一，2017年4月3日19:27:34格林尼治标准时间

这是一个贪婪的表达式，将替换从第一个开始标记到最后一个结束标记的所有内容。

埃里克詹 — 周一，2017年4月3日格林尼治标准时间19:18:45

是否可以使用正则表达式使用StringReplacer转换器：

找到“<.>”并替换为“Nothing”。

这将取代所有出现在文本中。