查找/替换正则表达式以去除HTML标签

Question

使用查找和替换，要删除类似以下内容的标签，应使用什么正则表达式：

```葡萄种植和葡萄酿造```

注意： `````` 标签中的值会变成不同的数字，但是使用正则表达式删除数字是可以接受的。

我正在努力学习，但是无法使它工作。 我不是在使用它来解析HTML，我们从公司网站中获取了数据，需要在Excel中使用，但是我们的设计师删除了原始数据文件，我们需要恢复它。我有一个选项列表，需要删除HTML标签，使用Notepad++进行查找和替换。

- stewart715

Answer 1

这个方法适用于 Notepad++ 5.8.6 (UNICODE)

查找: <option value="\d+">(.*?)</option>

替换: $1

记得选择 "正则表达式" 和 ". 匹配换行符"

- Toto

Answer 2

我使用以下正则表达式进行了操作：

查找：<.*?>|</.*?>

并将其替换为：

替换为：\r\n （这是用于换行的）

使用此正则表达式（<.*?>|</.*?>），我们可以轻松地找到您的HTML标记之间的值，如下所示：

我进行了输入：

<otpion value="123">1</option><otpion value="1234">2</option><otpion value="1235">3</option><otpion value="1236">4</option><otpion value="1237">5</option> 

我需要在1、2、3、4、5等选项之间找到值。

并得到以下输出：

- Sunil Kumar

Answer 3

这对我来说完美地运作:

• 在“查找”模式中选择“正则表达式”。
• 在“查找内容”字段中输入[<].*?>，并将“替换为”字段留空。
• 请注意，您需要拥有Notepad++的5.9版本才能使用?操作符。

如此发现: digoCOdigo - 在notepad++中去除html标签

- dubblebee

Answer 4

如果您知道HTML的格式不会改变，那么这样的方法就可以使用：

<option value="(\d+)">(.+)</option>

- Justin Morgan

---

嗯，这抹掉了整行，但看起来很接近。 - stewart715

我将执行两个查找和替换操作：一个是 <option value="(\d+)">，另一个是 </option>。效果非常好，谢谢。 - stewart715

如果您正在使用Notepad++的查找/替换功能，它将无法正常工作，因为正则表达式使用反向引用来捕获您想要保留的字段。对于查找/替换，请仅将数字之前的所有内容替换为空白，然后用分隔符（例如|但不是逗号，因为名称中可能有逗号）替换“>”，最后将</option>替换为空白。将结果导入Excel。 - Justin Morgan

Answer 5

String s = "<option value=\"863\">Viticulture and Enology</option>";
s.replaceAll ("(<option value=\"[0-9]+\">)([^<]+)</option>", "$2")
res1: java.lang.String = Viticulture and Enology

(已使用Scala测试，因此res1:)

使用sed时，您将使用稍微不同的语法：

echo '<option value="863">Viticulture and Enology</option>'|sed -re 's|(<option value="[0-9]+">)([^<]+)</option>|\2|'

对于记事本++，我不知道具体细节，但是"[0-9]+"应该表示“至少一个数字”，“[^<]”表示除了开头的小于号之外的任何字符，可以多次出现。掩码和反向引用可能会有所不同。

正则表达式存在问题，如果跨越多行或被注释隐藏，正则表达式将无法识别它。

然而，很多HTML以正则表达式友好的方式生成，总是适合一行，并且从未被注释掉。或者您在使用一次性代码时，可以在检查输入之前使用它。

- user unknown

---

这真的很有帮助，现在只要循环遍历它们全部 :D 谢谢！ - stewart715