删除HTML标记中的所有属性，但使用正则表达式

Question

我尝试制作正则表达式，除了指定的HTML标记之外，还删除HTML标记中的所有属性。

我有这个HTML代码：

<p class="someClass" id="someId" style="border: 1px solid black" name="someName" foo="bar"></p>

我想删除除类， id 和名称之外的所有属性，代码应如下所示：

<p class="someClass" id="someId" name="someName">Text</p>

我有这个正则表达式：

<([a-z][a-z0-9]*)(?:[^>]*(\sid=['"][^'"]*['"]))?[^>]*?(\/?)>

并使用模式

<$1$2>

它仅适用于属性 id 。如何为所有指定的属性执行此操作？

Answer 1

你可以用一个负向前瞻来实现这一点，这将告诉你的表达要么1.吃一个字符，或2.匹配特殊序列，然后冲洗并重复：

<(\w+)\s*(?:(?:(?:(?!class=|id=|name=)[^>]))*((?:class|id|name)=['"][^'"]*['"]\s*)?)+>

说明：

1. <(\w+)\s* （匹配标记和标记名的打开）

2. (?: （开始主要构造的封闭（注意它不记得匹配））

3. (?:(?:(?!class=|id=|name=)[^>]))* （向前看没有特殊的标记，然后吃一个角色，重复多次，不要忘记任何事情）

4. ((?:class|id|name)=['"][^'"]*['"])\s*? （前瞻失败，前方特别令牌，让我们吃掉它！注意常规，记住＆＃39; parens） < / p>

5. )+ （主要构造的结束封闭;重复它，它将为每个特殊标记匹配一次）

6. > （标记结束）

如果您的正则表达式支持每组多个匹配，则this point您可能拥有所需的匹配项。例如，在.NET中，你有类似的东西：$ 1 =＆＃39; a＆＃39;，$ 2 [0] =＆＃39; class =＆＃34; someClass＆＃34;＆＃39 ;，$ 2 [1] =＆＃39; id =＆＃34; someId＆＃34;＆＃39;等

但是如果你发现只记得最后一场比赛，你可能只需要为你想要匹配的每个令牌重复主要构造，例如:(匹配将是$ 1- $ 4）

<(\w+)\s*(?:(?:(?:(?!class=|id=|name=)[^>]))*((?:class|id|name)=['"][^'"]*['"]\s*)?)(?:(?:(?:(?!class=|id=|name=)[^>]))*((?:class|id|name)=['"][^'"]*['"]\s*)?)(?:(?:(?:(?!class=|id=|name=)[^>]))*((?:class|id|name)=['"][^'"]*['"]\s*)?)[^>]*>

（see it in action here）。