我有非常大的数据库进行清理。在旧系统上,用户被允许使用HTML(并从Word文件粘贴)。现在我在数据库中的不同位置有大量的开放标签。清理来自HTML/MS Word数据库的数据库
任何人都知道一个应用程序/脚本来执行这种清理?
我有非常大的数据库进行清理。在旧系统上,用户被允许使用HTML(并从Word文件粘贴)。现在我在数据库中的不同位置有大量的开放标签。清理来自HTML/MS Word数据库的数据库
任何人都知道一个应用程序/脚本来执行这种清理?
您可以用PHP中的一些位(或其他后端语言)
这里做,这是写在PHP的一个例子
$link = mysql_connect($host, $username, $password); //connecting to database
mysql_select_db($database_name,$link); // select a database
$q = mysql_query('SELECT id_row,cell_with_tags FROM tablename WHERE some_condition_if_it_needed');
if(mysql_num_rows($q) !== 0){ //check if result of our query not empty
while($res = mysql_fetch_assoc($q)){ // gets all rows-cells as associative array
$result[] = array('id_row'=>$res['id_row'],
'cell_with_tags'=>strip_tags($res['cell_with_tags']);
}
}
if(!empty($result)){
foreach($result as $k=>&$v){ // update our database. Write there values without tags
mysql_query('UPDATE tablename SET cell_with_tags = '.$result[$k]['cell_with_tags'].' WHERE id='.$result[$k]['id_row']);
}
}
您还可以修改用strip_tags函数的调用,如果你想删除不是所有的html标签。 (http://ru.php.net/manual/en/function.strip-tags.php)
如果不能执行php脚本,只能用mysql来做到这一点。我把它从this
DROP FUNCTION IF EXISTS strip_tags ||
CREATE FUNCTION strip_tags(x longtext) RETURNS longtext
LANGUAGE SQL NOT DETERMINISTIC READS SQL DATA
BEGIN
DECLARE sstart INT UNSIGNED;
DECLARE ends INT UNSIGNED;
SET sstart = LOCATE('<', x, 1);
REPEAT
SET ends = LOCATE('>', x, sstart);
SET x = CONCAT(SUBSTRING(x, 1 ,sstart -1) ,SUBSTRING(x, ends +1)) ;
SET sstart = LOCATE('<', x, 1);
UNTIL sstart < 1 END REPEAT;
return x;
END;
||
delimiter ;
mysql> SELECT strip_tags('<a href="HelloWorld.html"><B>Hi, mate!</B></a>') as strip_tags;
但是如果将'<' and '>'字符作为文本的一部分而不是HTML标记? – Branislav
如果你有<和>字符作为文本的一部分,而不是HTML的一部分。即使您的字符串在字符串末尾包含损坏的HTML标记。所以,那么你应该使用这个版本的功能:
SET GLOBAL log_bin_trust_function_creators=1;
DROP FUNCTION IF EXISTS fnStripTags;
DELIMITER |
CREATE FUNCTION fnStripTags(Dirty varchar(4096))
RETURNS varchar(4096)
DETERMINISTIC
BEGIN
DECLARE iStart, iEnd, iLength, DirtyLength, DirtyTail int;
DECLARE iNextLessThenAngleBracket, iLengthToNextLessThenAngleBracket int;
WHILE Locate('<', Dirty) > 0 And Locate('>', Dirty, Locate('<', Dirty)) > 0 DO
BEGIN
SET iStart = Locate('<', Dirty), iEnd = Locate('>', Dirty, Locate('<', Dirty));
SET iNextLessThenAngleBracket = Locate('<', Dirty, Locate('<', Dirty) + 1);
SET iLength = (iEnd - iStart) + 1;
SET iLengthToNextLessThenAngleBracket = (iNextLessThenAngleBracket - iStart) + 1;
IF iLength < iLengthToNextLessThenAngleBracket THEN
BEGIN
IF iLength > 0 THEN
BEGIN
SET Dirty = Insert(Dirty, iStart, iLength, '');
END;
END IF;
END;
ELSE
BEGIN
IF iNextLessThenAngleBracket != 0 THEN
BEGIN
SET Dirty = Insert(Dirty, iStart, 1, '*/*');
END;
ELSE
BEGIN
SET Dirty = Insert(Dirty, iStart, iLength, '');
END;
END IF;
END;
END IF;
END;
END WHILE;
IF Locate('<', Dirty) > 0 THEN
BEGIN
SET DirtyLength = CHAR_LENGTH(Dirty);
SET DirtyTail = DirtyLength - Locate('<', Dirty) + 1;
SET Dirty = Insert(Dirty, Locate('<', Dirty), DirtyTail, '');
END;
END IF;
BEGIN
SET Dirty = REPLACE(Dirty, '*/*', '<');
END;
RETURN Dirty;
END;
|
DELIMITER ;
请澄清要修补现有破碎的HTML标签,或完全移除任何HTML标签 – ajreal
Ajreal嗨。我想完全删除破损的HTML标签 – PsychoX
因此,如果您使用regelure表达式替换标签“”, 之类的东西,think(<\ /?)(\ w +)([^>] *>)可以提供帮助,但不记得是否/如何在mysql中使用regexp替换 –