正则表达式从HTML提取文本

  • Z时代
  • 2024-01-10
  • 分类：问答

我想从一般的HTML页面中提取所有文本（是否显示）。

我想

  • 任何HTML标记

  • 任何JavaScript

  • 任何CSS样式

是否有一个正则表达式（一个或多个）可以实现？

回答：

您不能真正用正则表达式解析HTML。太复杂了。RE根本无法<![CDATA[正确处理部分。此外，某些常见的HTML之类的东西&lt;text>将在浏览器中作为适当的文本工作，但可能会使天真的RE感到困惑。

有了合适的HTML解析器，您会更快乐，更成功。蟒蛇人经常使用“美丽的汤”来解析HTML并去除标签和脚本。

此外，设计使浏览器可以容忍格式错误的HTML。因此，您经常会发现自己试图解析HTML，这显然是不正确的，但是碰巧在浏览器中可以正常工作。

您也许可以使用RE解析错误的HTML。它所需要的只是耐心和努力。但是使用其他人的解析器通常更简单。

以上是 正则表达式从HTML提取文本 的全部内容， 来源链接： utcz.com/qa/432491.html

回到顶部