删除所有HTML标记和格式(RegEx)
删除所有HTML标记和格式的问题可以使用正则表达式来实现。以下是一个使用Python编写的示例代码，它使用正则表达式删除HTML标记和格式：
import re
def remove_html_tags(text):
clean = re.compile('<.*?>')
return re.sub(clean, '', text)
html_text = "<p>这是一个<strong>示例</strong>文本。</p>"
text_without_tags = remove_html_tags(html_text)
print(text_without_tags)输出结果将会是：
这是一个示例文本。这个示例中，我们使用了正则表达式 <.*?> 来匹配HTML标记。这个表达式的意思是匹配任何以 < 开头并以 > 结尾的字符串。通过使用 re.sub() 函数，我们可以将所有匹配到的HTML标记替换为空字符串，从而删除HTML标记和格式。
相关·内容
2回答
我有一个Python脚本，它将查看具有以下格式的HTML文件：<HTML></HTML><DOC>...</HTML>如何使用Python中的regex删除除开始和结束DOC标记之外的所有<em
浏览 0提问于2009-09-27得票数 1
回答已采纳
4回答
删除所有空的HTML标记？
、、、、
我正在想象一个函数，我认为它将使用Regex，并且像<p><strong></strong></p>这样的实例将递归地删除字符串中的所有空HTML标记。如果可能的话，这必须考虑到空格。Return newHtml然而，我目前的Regex是PHP格式的，而且它似乎不起作用。我不熟悉.NET regex语法。
对所有那些说不要使用reg
浏览 3提问于2011-04-06得票数 1
回答已采纳
1回答
我的目标是将HTML代码的二进制格式存储在iframe中。我想把标签转换成HTML。在JavaScript中，我将div内容转换为超文本标记语言，然后通过一个隐藏字段获得超文本标记语言内容。在那个页面中，我有一个ajax HTML编辑器，所以我得到了很大的空白空间。我正在尝试使用regex将其删除，如下所示：但是它只<e
浏览 4提问于2016-10-29得票数 0
有没有办法将BR标签和/或DIV标签转换为新的行，这样当我在mailto中使用时，它的格式就会正确？我在想，我应该查找任何P、DIV和BR标记，并将它们替换为新的行字符。因此，只要有结束标记，就放入换行符并删除开始标记。在我做了上面的工作后，我将删除remove_html=为“1”的html的其余部分，但我想保留段落格式。我认为可以使用regex_replace来完成，但
浏览 2提问于2011-05-11得票数 1
我正在寻找一个Regex，它将从.aspx文件中的html代码中删除所有空格。下面是Regex应该满足的一些条件：
不应删除"“或”“之间的字符串之间的空白。不应该删除html属性/标记之间的空白，例如<a href>text1 text2</a>。在符合doctype规范的情况下，Html也可以从<!开始。简而言之，只有在html<e
浏览 6提问于2011-01-19得票数 0
我有一个问题，以剥离HTML和显示为客户格式的文本。asdas<br/>asdas /// Compiled regular expression for
浏览 0提问于2011-06-01得票数 1
回答已采纳
我发现的一个常见解决方案是用标记包装html中的每个单词。然而，这样做将删除任何以前的HTML，从而删除所有样式和超链接。我使用了来自的以下代码片段来递归地向str中的每个单词添加span，但是在很多情况下，当不同的格式出现在网页上时，它仍然会失败。var spannedStr = str.replace(<em
浏览 3提问于2014-08-27得票数 2
回答已采纳
1回答
在使用Pandoc将标记源转换为其他格式时，我遇到了问题。整个问题发生在标记位于html时；当两个html标记之间有一些空格时，就不能正确转换它。因此，我需要的是检查整个标记源，并删除两个不同的 html标记之间的所有空格。td> here is some text</td>
浏览 4提问于2015-06-15得票数 0
所以我在字符串中有一个HTML表。这个HTML大部分来自FrontPage，所以它的格式大多很糟糕。这是一个快速的样本，它看起来是什么样子。我希望删除表中的那些<p>标记，但将那些标记保留在表之外。到目前为止，我尝试了两种方法：第一种方法是使用单个RegEx tp捕获表中的每个<p>标记，然后用Regex.Replace()删除它们。然而，我从未成功地获得了正确的RegEx
浏览 2提问于2015-06-08得票数 3
回答已采纳
我想删除所有的html，但是使用regex保留<b>标记。有没有更好的方法来代替
将$b$替换为<b>
浏览 1提问于2013-05-01得票数 2
回答已采纳
4回答
我使用此模式删除所有HTML标记(Java代码)：html=html.replaceAll\\>", "");
现在，我想保留标记
浏览 4提问于2010-09-24得票数 1
回答已采纳
6回答
这是我的PHP函数，用于从字符串输入中删除所有空HTML标记： * Remove the nested HTML empty tags from the string.is_string($string) || trim($string) == '') return $string;
return>\s*</\1\s*>&#x
浏览 7提问于2014-01-10得票数 5
回答已采纳
我正在寻找javascript regex解决方案来删除未关闭的标记，例如：正如您所看到的，我想删除<span>元素，我知道在标记上使用regex是个坏主意，但它是我的项目所必需的，这是我创建的regex模式，但它没有工作：我使用javascript替换来用""替换
浏览 3提问于2014-03-08得票数 3
回答已采纳
3回答
我试图从包含HTML标记之间的">“字符串中删除HTML标记。我尝试使用regex，但是它删除了我想要保留的字符串的部分。那么，有人知道如何使用regex来完成这个任务吗？另外，如果有什么更好的建议，我可以在VB.net中这样做。
浏览 5提问于2013-11-20得票数 1
回答已采纳
2回答
对于给定的HTML代码，我需要完全删除所有样式标记。我发现下面的regex匹配XML中的整个样式标记。它适用于在线regex测试人员中给定的Html代码。\2([^>]*)*以下是C#代码：
Regex regex = new Regex("style\\s*=\\s*('|\")[^\\2]*?
浏览 5提问于2013-10-12得票数 4
回答已采纳
我需要从html字符串中检索html元素<div class='important-contents'>...</div>中的内容(没有html标记的字符串)。实际上，我可以使用以下代码加载所有文本。 Regex regex = new <em
浏览 1提问于2015-04-15得票数 0
回答已采纳
1回答
我遇到了一些Regex的问题；我需要在引号之间找到所有的东西，而不是介于两者之间的所有东西都要删除。现在标记引号就足够简单了与点匹配新行(匹配换行符)。所以现在我已经标记了我所需要的所有东西，我能简单地删除所有没有被这个搜索找到的东西吗？为什么这样做如此困难--删除无标记的文本；这个概念本身非常简单。
我在notepad++上使用Regex。接下来
浏览 0提问于2012-07-13得票数 0
假设文件夹中有一组文本文件.html。
像sed -i -e 's/REGEX//g' *.html</
浏览 6提问于2017-10-06得票数 1
我目前有一个扩展方法，可以从字符串中删除任何HTML。不过，我偶尔会收到一些字符串，其中既有标准的HTML标记，也有编码的标记(我无法控制源数据，因此无法在入口点纠正错误)，例如我需要一个表达式，将删除<
浏览 0提问于2011-02-17得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
