html - 去除除链接之外的所有 HTML 标签

Question

我正在尝试编写一个正则表达式来去除所有 HTML，链接除外(分别为 <a href 和 </a> 标签。它不必 100% 安全(我不担心注入(inject)攻击或我正在解析已经批准并发布到 SWF 电影中的内容)。

我使用的原始“剥离标签”正则表达式是 <(.|\n)+?> , 我尝试将其修改为 <([^a]|\n)+?> ，但这当然会允许任何包含 a 的标签，而不是开头带有空格的标签。

并不是说这真的很重要，但以防万一有人想知道我在 ActionScript 3.0 中写这篇文章对于 Flash电影。

Answer 1

<(?!\/?a(?=>|\s.*>))\/?.*?>

试试这个。对 p 标签有类似的东西。为他们工作所以不明白为什么不。使用否定前瞻来检查它是否不匹配(以可选/字符为前缀)，其中(使用正前瞻)a(带有可选/前缀)后跟 > 或空格，然后是 >。然后匹配直到下一个 > 字符。把它放在

的替代中

s/<(?!\/?a(?=>|\s.*>))\/?.*?>//g;

这应该只留下开始和结束标签