我需要一个正则表达式来删除<FONT>
的所有实例以及它内部可能包含的所有属性,比如<FONT size=2 face=Verdana>
及其结束标记</FONT>
。我得到的字符串,font标签可以包含任何属性以及这些属性的值的不同变体,而html结构并不一致。这是我得到的字符串的一个例子:
<UL>
<LI><FONT size=2 face=Verdana>random text<STRONG>random text</STRONG>random text<SPAN style="LINE-HEIGHT: 115%; FONT-FAMILY: 'Arial','sans-serif'; FONT-SIZE: 11pt; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: AR-SA"><SPAN style="mso-spacerun: yes"> </SPAN>random text</SPAN> </FONT></LI>
<LI><FONT size=2 face=Verdana><FONT size=2 face=Verdana><STRONG>random text</STRONG></FONT></LI> <LI>random text</FONT></LI>
<LI><FONT size=2 face=Verdana>random text</FONT></LI>
<LI><FONT size=2 face=Verdana>random text</FONT></LI>
这是我希望它在使用regex之后的样子:
<UL>
<LI>random text<STRONG>random text</STRONG>random text<SPAN style="LINE-HEIGHT: 115%; FONT-FAMILY: 'Arial','sans-serif'; FONT-SIZE: 11pt; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: AR-SA"><SPAN style="mso-spacerun: yes"> </SPAN>random text</SPAN></LI>
<LI><STRONG>random text</STRONG></LI>
<LI>random text</LI>
<LI>random text</LI>
<LI>random text</LI>
我尝试过不同的变体,并且能够删除<FONT
部件,但不能删除它的属性、结束>
或结束标记</FONT>
这是我正在使用的一个示例
loc.result = rereplace(arguments.htmlString, "\\<FONT[^*\\>", "", "ALL");
我为我糟糕的正则表达式代码道歉,所以任何提示或建议都将非常感谢!
发布于 2018-05-24 14:46:51
正如其他人之前所写的,不要使用REGEX。使用像JSoup这样的超文本标记语言解析器。
Download the JSoup jar file并将其保存在类路径中的某个位置,然后使用以下函数(cfscript语法,使用Lucee测试,但应该可以与任何CFML引擎一起使用):
<cfscript>
/** removes the given tag from the input html while keeping its contents */
function removeTag(input, tagname){
var Jsoup = createObject("java", "org.jsoup.Jsoup");
var doc = Jsoup.parse(arguments.input);
var body = doc.body().child(0);
var tags = body.select(arguments.tagname);
for (var tag in tags){
for (var attr in tag.attributes().asList())
tag.removeAttr(attr.getKey());
}
var result = body.toString();
result = replace(result, "<#arguments.tagname#>", "", "all");
result = replace(result, "</#arguments.tagname#>", "", "all");
return result;
}
</cfscript>
然后,只需使用您想要清除的HTML代码调用函数,例如:
cleanHtml = removeTag(inputHtml, "font");
为了测试您的示例,我添加了以下内容:
<cfsavecontent variable="input">
<UL>
<LI><FONT size=2 face=Verdana>random text 1<STRONG>random text 2</STRONG>random text 3<SPAN style="LINE-HEIGHT: 115%; FONT-FAMILY: 'Arial','sans-serif'; FONT-SIZE: 11pt; mso-fareast-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: EN-US; mso-bidi-language: AR-SA"><SPAN style="mso-spacerun: yes"> </SPAN>random text 4</SPAN> </FONT></LI>
<LI><FONT size=2 face=Verdana><FONT size=2 face=Verdana><STRONG>random text 5</STRONG></FONT></LI> <LI>random text 5</FONT></LI>
<LI><FONT size=2 face=Verdana>random text 6</FONT></LI>
<LI><FONT size=2 face=Verdana>random text 7</FONT></LI>
</cfsavecontent>
<cfdump var="#{ output: removeTag(input, "font"), input: input }#">
输出结果如下:
我还推荐阅读我的博客文章Harnessing the Power of Java in CFML
https://stackoverflow.com/questions/50489310
复制相似问题