仅保留在正则表达式 [duplicate] 的 HTML 标记之外-解网

问：

5天前关闭。

我有一个列表，如下所示：

  <td class="News"><a href="ubuntu">Ubuntu</a></td>
  <td class="News" style="text-align: right" title="Yesterday: 2578">2571<img src="/web/20061130064026im_/http://distrowatch.com/images/other/adown.png" alt="<" title="Yesterday: 2578"></td>
  <td class="News"><a href="suse">openSUSE</a></td>
  <td class="News" style="text-align: right" title="Yesterday: 1943">1943<img src="/web/20061130064026im_/http://distrowatch.com/images/other/alevel.png" alt="=" title="Yesterday: 1943"></td>
  <td class="News"><a href="fedora">Fedora</a></td>
  <td class="News" style="text-align: right" title="Yesterday: 1420">1422<img src="/web/20061130064026im_/http://distrowatch.com/images/other/aup.png" alt=">" title="Yesterday: 1420"></td>
  <td class="News"><a href="mepis">MEPIS</a></td>

现在，我只想保留在HTML标签之外或记事本++
中，例如，在上面的列表中，只有以下内容必须保留，其他内容必须删除：>*****<

Ubuntu
2571
openSUSE
1943
Fedora
1422
MEPIS

我尝试遵循正则表达式，但它并不准确，并且还保留了额外的代码：

>([^<>]+)<

我的正则表达式问题在哪里？

正则表达式记事本++

正如我链接的答案中所解释的，正则表达式不够复杂，无法充分解析 HTML。查看您的个人资料，您似乎对 Python 很熟悉。如果你有很多事情要做，我建议你用 beautifulsoup 写一个简单的脚本来做到这一点。正则表达式根本不是这项工作的正确工具。

1赞 Toto 11/11/2023

你不能用正则表达式来做到这一点，因为 & .用你喜欢的脚本语言编写脚本。alt="<"alt="<"

1赞 Toto 11/11/2023

看一下这个

答：

0赞 Prashant P 11/14/2023 #1

获取示例中提到的结果。

查找内容：（？：<[\s\w=“-：]+>\s*）+（\w+）.+

替换为： $1

使用此屏幕中显示的选项。

仅保留在正则表达式 [duplicate] 的 HTML 标记之外

Keep only outside of HTML tags by regex [duplicate]

评论

评论