去除无效HTML标签之间的空格的正则表达式 - 例如"< / b >"应该是"</b>"
P粉884667022
2023-09-02 19:56:28
<p>我有一些 HTML,这些 HTML 都被标签内的空格弄乱了,并且希望使其再次有效 - 例如:</p>
<pre class="brush:php;toolbar:false;">< div class='test' >1 > 0 is < b >true</ b> and apples >>> bananas< / div ></pre>
<p>应转换为有效的 HTML,并且在渲染时,预计会生成:</p>
<p>
<pre class="snippet-code-html lang-html prettyprint-override"><code><div class='test'>1 > 0 is <b>true</b> and apples >>> bananas</div></code></pre>
</p>
<p>文本中任何 <code>></code> 或 </code>><</code> 前面/后面有空格的文本应保持不变 - 例如,<code>1 > 0</code> 应保留,而不是被压缩为 <code>1>0</code></p >
<p>我意识到这可能需要几个正则表达式,这很好</p>
<p>我有几件事:</p>
<p><code><\s?\/\s*</code> 这将部分修复 <code></ b></ div ></code> 到 <code></b></div ></code>,但我正在努力解决其余问题< /p>
<p>例如,我可以采用严厉的方法,但这也会破坏标签文本部分内的代码,而不是标签名称本身</p>
没有合理的方法来保存像您发布的内容一样损坏的文档,但假设您将文本中的
>
和类似字符替换为其相关实体,例如:> ;
,您可以将要接受的文档放入适当的库中,例如 DomDocument 将处理剩下的事情。输出:
这个正则表达式也有效:
它将 HTML 标记中的有效部分分为四个部分,并用其替换其余部分(空格)。
Regex101 演示
/(]*\S)\s*(>)/g
( - 捕获起始尖括号(第 1 节)
\s*
- 匹配任何空格(\/?)
- 捕获可选的反斜杠(第 2 部分)\s*
- 匹配反斜杠后的任何空格([^]*\S)
- 捕获标签内的内容,不带尾随空格(第 3 节)\s*
- 匹配内容后面和右尖括号之前的空格(>)
- 捕获右尖括号(第 4 节)