Regex 记事本++；要删除样式的正则表达式

我需要从大量html页面中删除一些标记。 最近我在记事本中发现了regex选项++

但是。。即使在谷歌搜索了几个小时后，我似乎也没弄对。 我需要什么

例如：

<p class=MsoNormal style='margin-left:19.85pt;text-indent:-19.85pt'><spanlang=NL style='font-size:11.0pt;font-family:Symbol'>·<span style='font:7.0pt "Times New Roman"'>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </span></span><span lang=NL style='font-size:9.0pt;font-family:"Arial","sans-serif"'>zware uitvoering met doorzichtige vulruimte;</span></p>

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

doc.DocumentNode.Descendants()
                .Where(n => n.Name == "script" || n.Name == "style")
                .ToList()
                .ForEach(n => n.Remove());

·zware uitvoering met doorzichtige vulruimte

我需要删除所有关于样式、类和id的内容。所以我只需要有干净的标签，没有其他任何东西

有人能帮我吗

问候

编辑

---

通过pastebin检查整个文件：

如果您提供的样本代表了您需要处理的内容，那么以下快速而肮脏的解决方案将起作用：

Find what: [a-z]+='[^']*'
Replace with:

Find what: [a-z]+=[a-zA-Z]*
Replace with:

您必须先运行第一个来获取

style='…'

属性，然后需要运行第二个来获取

class='…'

和

lang='…'

---

有很好的理由解释为什么其他的海报说不要试图用这种方式解析HTML。由于regex通常无法处理HTML的所有奇妙奇怪之处，因此您最终会遇到各种各样的麻烦。

如果您提供的示例能够代表您需要处理的内容，那么以下快速而肮脏的解决方案将起作用：

Find what: [a-z]+='[^']*'
Replace with:

Find what: [a-z]+=[a-zA-Z]*
Replace with:

您必须先运行第一个来获取

style='…'

属性，然后需要运行第二个来获取

class='…'

和

lang='…'

有很好的理由解释为什么其他的海报说不要试图用这种方式解析HTML。由于正则表达式通常无法处理HTML的所有奇妙奇怪之处，因此您最终会遇到各种各样的麻烦。

我的建议如下

正如我在示例文本中看到的，您只有需要处理的“p”和“span”标记。很明显，您希望删除其中的所有样式。在这种情况下，您可以考虑删除这些标记中的所有内容，使它们简单地< P>或

。 我不知道记事本+，但一个简单的C程序可以很快完成这项工作。

我的建议如下

正如我在示例文本中看到的，您只有需要处理的“p”和“span”标记。很明显，您希望删除其中的所有样式。在这种情况下，您可以考虑删除这些标记中的所有内容，使它们简单地< P>或

。

---

我不知道记事本+，但一个简单的C程序可以很快完成这项工作。

假设

假设
如果你不介意做一点编程：HTMLAgilityPack可以很容易地从xml/html中删除脚本/样式/内容

例如：

<p class=MsoNormal style='margin-left:19.85pt;text-indent:-19.85pt'><spanlang=NL style='font-size:11.0pt;font-family:Symbol'>·<span style='font:7.0pt "Times New Roman"'>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </span></span><span lang=NL style='font-size:9.0pt;font-family:"Arial","sans-serif"'>zware uitvoering met doorzichtige vulruimte;</span></p>

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

doc.DocumentNode.Descendants()
                .Where(n => n.Name == "script" || n.Name == "style")
                .ToList()
                .ForEach(n => n.Remove());

如果您不介意做一点编程的话：HTMLAgilityPack可以很容易地从xml/html中删除脚本/样式/wathever

例如：

<p class=MsoNormal style='margin-left:19.85pt;text-indent:-19.85pt'><spanlang=NL style='font-size:11.0pt;font-family:Symbol'>·<span style='font:7.0pt "Times New Roman"'>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; </span></span><span lang=NL style='font-size:9.0pt;font-family:"Arial","sans-serif"'>zware uitvoering met doorzichtige vulruimte;</span></p>

HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
doc.LoadHtml(html);

doc.DocumentNode.Descendants()
                .Where(n => n.Name == "script" || n.Name == "style")
                .ToList()
                .ForEach(n => n.Remove());

我认为此模式将删除“p”和“span”标记中的所有样式：

（（？我认为此模式将删除“p”和“span”标记中的所有样式：

(（？不要使用正则表达式解析HTML:
更正：
当涉及嵌套在其内部的标记时，不要使用正则表达式解析HTML您有
我知道文档中使用了很多错误/旧标记，但事实并非如此。只需清除它们，我就可以使用它们。不要使用正则表达式解析HTML:
更正：
不要当涉及嵌套在其内部的标记时，不要使用正则表达式解析HTML。你有
我知道文档中使用了很多错误/旧的标记，但事实并非如此。只要清除它们，我就可以使用它们。