移除無效HTML標籤之間的空格的正規表示式 - 例如"< / b >"應該是"</b>"

Question

我有一些 HTML，這些 HTML 都被標籤內的空格弄亂了，並且希望使其再次有效 - 例如：

< div class='test' >1 > 0 is < b >true</ b> and apples >>> bananas< / div >

應轉換為有效的 HTML，並且在渲染時，預計會產生：

<code><div class='test'>1 > 0 is <b>true</b> and apples >>> bananas</div></code>

文本中任何> 或>< 前面/後面有空格的文本應保持不變- 例如，/code> 前面/後面有空格的文本應保持不變- 例如， ;1 > 0 要保留，而不是壓縮到1>0

我意識到這可能需要幾個正規表示式，這很好

我有幾件事：

<\s?\/\s* 這將部分修復 到< code>

Answer 1

沒有合理的方法來保存像您發布的內容一樣損壞的文檔，但假設您將文本中的> 和類似字元替換為其相關實體，例如： &gt ;，您可以將要接受的文件放入適當的庫中，例如DomDocument 將處理剩下的事情。

$input = <<<_E_
< div class='test' >1 > 0 is < b >true</ b> and apples >>> bananas< / div >
_E_;

$input = preg_replace([ '#<\s+#', '#</\s+#' ], [ '<', '</' ], $input);

$d = new DomDocument();
$d->loadHTML($input, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

var_dump($d->saveHTML());

輸出：

string(80) "<div class="test">1 > 0 is <b>true</b> and apples >>> bananas</div>"

Answer 2

這個正規表示式也有效：

它將 HTML 標籤中的有效部分分為四個部分，並用其替換其餘部分（空格）。

Regex101 示範

/(]*\S)\s*(>)/g

• #( - 捕捉起始尖括號（第 1 節）
• \s* - 符合任何空格
• (\/?) - 捕捉可選的反斜線（第 2 部分）
• \s* - 符合反斜線後的任何空格
• ([^]*\S) - 捕捉標籤內的內容，不帶尾隨空格（第 3 節）
• \s* - 符合內容後面和右尖括號之前的空格
• (>) - 捕捉右尖括號（第 4 節）

const reg = /(<)\s*(\/?)\s*([^<>]*\S)\s*(>)/g
const str = "< div class='test' >1 > 0 is < b >true< / b > and apples >>> bananas< / div  >"
const newStr = str.replace(reg, "");
console.log(newStr);