如何删除除img以外的所有html标签？

我收到了一些html文本，其中包含各种html标签，如<table>, <a>, <img>等。如何删除除img以外的所有html标签？

现在我想使用正则表达式来删除除<img ...>和</img>（和大写<IMG></IMG>）之外的所有html标记。

如何做到这一点？

UPDATE：

我的任务很简单，它只是打印文本内容（包括图片）一个HTML作为头版的总结，所以我觉得正则表达式是好的，够简单。

再次更新

也许样品会让我的问题更好地理解:)

有一些HTML文本：

<html> 
    <head></head> 
    <body> 
    Hello, everyone. Here is my photo: <img src="xxx.jpg" />. 
    And, <a href="xxx">know more</a> about me! 
    </body> 
</html>

我想保留，并删除其他标签。下面是我想：

Hello, everyone. Here is my photo: <img src="xxx.jpg" />. And, know more about me!

现在我这样的代码：

html.replaceAll("<.*?>", "")

但它会删除所有<和>之间的内容，但我想保持<img xxx>和</img>，并删除其他内容<and>

谢谢大家！

来源

2010-07-21 Freewind

步骤1 ...不使用正则表达式:) – 2010-07-21 08:06:22

唐为此使用正则表达式。你使用什么编程语言？ – 2010-07-21 08:06:32

+1，因为知道为什么你不应该这样做:) – willcodejavaforfood 2010-07-21 08:09:56

我尝试了很多，这正则表达式似乎为我工作：

(?i)<(?!img|/img).*?>

我的代码是：

html.replaceAll('(?i)<(?!img|/img).*?>', '');

来源

2010-07-21 09:13:19 Freewind

不错。 +1。你能告诉我为什么我看不到replaceAll方法吗？什么类型是'html'？ – 2013-02-12 11:55:04

@freewind同样在这里，不能看到替换所有工作 – Faizan 2016-05-14 09:41:13

@Faizan，'html'应该是一些html内容的字符串，代码应该是Java（这是我很早的问题，我不确定我是否记得它正确） – Freewind 2016-05-14 14:57:12

<(img|IMG)*>*</(img|IMG)>

来源

2010-07-21 08:07:11 mathk

@mathk，谢谢。你的代码是匹配img标签（我是对吗？），但我想要做的是匹配非img标签。 – Freewind 2010-07-21 08:17:55

你可以忽略案例 – abatishchev 2010-07-21 08:18:37

@Freewind然后将其替换为空字符串 – mathk 2010-07-21 08:22:31

不要使用正则表达式来解析HTML。请参阅here以了解原因。

为您的语言/平台使用HTML解析器。

Here是一个java一个（HTML解析器）
对于.NET的HTML Agility Pack建议
对于红宝石，有nokogiry，虽然我不是一个Ruby开发，所以不知道如何好的是

来源

2010-07-21 08:07:54 Oded

@已付，谢谢。我不解析html，这对我简单的任务来说太重了。我认为正则表达式是最好的工具，但我不知道该怎么写:) – Freewind 2010-07-21 08:16:34

@Freewind - 作为我发布的第一个链接，HTML不是一种常规语言，并且_cannot_可以被RegEx可靠地解析。你应该使用正确的工具来完成这项工作。如果你知道_exactly_什么格式你的HTML将进入，字符串替换甚至可能是足够的... – Oded 2010-07-21 08:18:46

我仍然想使用正则表达式。我不需要完全相同的处理，它大多数时间工作可以 – Freewind 2010-07-21 08:31:54

一个简单的答案为什么不使用正则表达式是：

正则表达式不能解析递归语法如：

S -> (S) 
S -> Empty

因为这种语法有无限状态。

由于HTML具有递归语法，因此可以简单地使用regexp。

但在你的情况下，你可以表达一个不递归的正则表达式。

来源

2010-07-21 08:39:26 mathk

如何删除除img以外的所有html标签？

回答

相关问题