NotePad++ 正则表达式删除包含嵌入标签的 HTML 标签

Question

使用 Notepad++，技术作家部门需要从这样的文本中删除 xxx 标签：

`<span class="temp">See</span> Problems pane <span class="temp">for more <b>information</b>.</span>`

（澄清：）期望的结果是没有 span 标签的元素的内部文本。上述示例的输出为：

 `See Problems pane for more <b>information</b>.`

我认为我需要的是这样的：
查找：<span..>(capture anything except "")
替换：</code> 我无法使用 <code>([^<])* 作为捕获组，因为跨度中有其他标记，例如示例中的 。

我不能使用(.*)，因为一条线上可能有两个这样的。

我尝试使用非贪婪语法关闭整个标记并使用我在其他 post 中找到的示例计算 {1} 语法，但我无法让它工作。

我在否定表达式上找到了几个 post，但无法让它们在捕获组中的否定 HTML 标记上工作。我的确切问题有一个 post，但在 PHP 而不是 Notepad++ 中。

如有任何建议，我将不胜感激。

Answer 1

要删除 ALL 标签，请使用：

查找内容：

<.*?>|</.*?>

替换为：

没有

要删除 SPECIFIC 标签，请使用：

查找内容：

<(span|othertag).*?>|</(span|othertag)>

替换为：

没有

Answer 2

通常，您不能使用正则表达式（意味着正确配对的标签）从 XML 或 HTML 文档中删除完整元素，因为 XML 和 HTML是常规语言（它们是上下文无关的）。如果你尝试，你可以得到这个场景：

<div something="bla bla">
   <someothertag> bla bla </someothertag>
   <div something="foo bar">  <!-- this tag will give you problems -->
         other text
   </div>  <!-- we have to match up to here? (wrong!) -->
</div>  <!-- or here? (right!) -->

常规语言是无法计算能够输入的左大括号数量的语言，直到 正确匹配 右大括号。为此，您必须使用无上下文语法的解析器。这就是这里有些人建议您使用 XML 解析器来完成任务的原因。 XML 语法旨在解析和验证（好吧，您不需要验证正确 select 文档的正确部分） XML 文档，它们都共享相同的基本语法.这是推荐的选项（使用 XMLParser 对其进行解析，然后使用 XPath 库定位确切的元素）

另一方面，如果您只想让 HTML 文档标签自由（以消除上面的所有标签），您可以这样做，因为定义一个标签的语法是常规的。您可以搜索此图案：

<([^>"']|"[^"]*"|'[^']*')>

并用任何东西替换它（注意正确转义正确的字符，因为我不知道哪些是 NotePad++ 的特殊字符）

编辑

如建议的那样，如果您完全确定 ... 中没有其他标签，您可以使用此正则表达式：

<span[ \t]+([^>"']|"[^"]*"|'[^']*'|\n)*(\bclass="foo")([^>"']|"[^"]*"|'[^']*'|\n)*>([^<]*)<\/span>

并将其替换为

如此 demo 所示。

如果要消除 class 鉴别器，只需使用：

<span\b([^>"']|"[^"]*"|'[^']*'|\n)*>([^<]*)<\/span>

并替换为

如图demo.

注2

第一组括号 si 如此复杂的原因是可能在元素属性中使用 < 和 > 引号分隔符（有些被 xml 禁止）语法并且必须使用 < 和 > 进行转义，但并不是每个人都遵循这种方法。

注释 3

经过一些测试，发现您的代码允许在跨度标记之间使用其他标签（不是跨度标签），我已将我的正则表达式更改为：

<span\b([^>"']|"[^"]*"|'[^']*'|\n)*>(([^<]|<[^\/]|<\/[^s]|<\/s[^p]|<\/sp[^a]|<\/spa[^n]|<\/span[^ \t>])*)<\/span>

允许  标签之间的任何内容，但另一个 span 标签。参见 demo。这次你还要select组2也

Answer 3

采用 Luis Colorado 的回答，这对我来说很有效： (([^<]|<[^\/]|<\/[^s]|<\/s[^p]|<\/sp[^a]|<\/spa[^n]|<\/span[^ \t>])*)<\/span> 谢谢

Answer 4

这似乎是一个更简单的解决方案：

</?span[^>]*>

什么都没有替换。

NotePad++ 正则表达式删除包含嵌入标签的 HTML 标签

NotePad++ Regular expression to remove HTML tag containing embedded tags

regex

notepad++

编辑

注2

注释 3