正则小白,目前在做数据采集解析,发现回来的数据中包含了很多嵌套的标签,例如:
<div>
<article>
<article>
<article>
<article>
<article>
<div>
<article>
<article>
确保各项部署要求落实落地。
<br> 报告会在市里设场收听收看。
</article>
</article>
</div>
</article>
</article>
</article>
</article>
</article>
<span data-index="183" data-textnode-index="2" data-raw-text="">编辑</span>
</div>
希望能通过正则处理掉多余的嵌套标签,得到合理的格式,如:
<div>
<article>
确保各项部署要求落实落地。
<br> 报告会在市里设场收听收看。
</article>
<span data-index="183" data-textnode-index="2" data-raw-text="">编辑</span>
</div>
求一个正则。
1
ysc3839 2020-11-22 14:38:14 +08:00 via Android
搜索 <article>\s*<article>,替换为 <article>
</article> 同理。 |
2
muzuiget 2020-11-22 20:55:09 +08:00
正则处理不了这种情况的,连匹配嵌套开闭括号都不行,所以老实用 DOM 操作库。
|