aco*_*hen 13
select regexp_replace(content, E'<[^>]+>', '', 'gi') from message;
Pet*_*uss 11
使用XML数据类型提供数据库,而不是使用"第二类"TEXT,因为将HTML转换为XHTML非常简单(请参阅HTML-Tidy或标准DOM loadHTML()和saveXML()方法).
!这很快,而且非常安全!
共同信息检索需要,不是一个完整的内容,而是XHTML中的一些东西,所以xpath功能很好.
示例:使用以下命令检索所有段落 class="fn":
WITH needinfo AS (
SELECT *, xpath('//p[@class="fn"]//text()', xhtml)::text[] as frags
FROM t
) SELECT array_to_string(frags,' ') AS my_p_fn2txt
FROM needinfo
WHERE array_length(frags , 1)>0
-- for full content use xpath('//text()',xhtml)
我不推荐,因为它不是一个"信息检索"解决方案......而且,正如@James和其他人在这里评论的那样,正则表达式解决方案并非如此.
我喜欢"纯SQL",对我来说比使用Perl(se @ Daniel的解决方案)或其他更好.
CREATE OR REPLACE FUNCTION strip_tags(TEXT) RETURNS TEXT AS $$
SELECT regexp_replace(
regexp_replace($1, E'(?x)<[^>]*?(\s alt \s* = \s* ([\'"]) ([^>]*?) \2) [^>]*? >', E'\3'),
E'(?x)(< [^>]*? >)', '', 'g')
$$ LANGUAGE SQL;
看到这一点,许多其他变化的siafoo.net,eskpee.wordpress,......并在这里#1.
选择不仅限于使用基于不充分的正则表达式的弱解析器在服务器端执行,或者使用强大的解析器在客户端执行它.它也可以通过强大的解析器在服务器端实现.
这是PL/PerlU中的一个例子,它利用了CPAN的 HTML模块.
CREATE FUNCTION extract_contents_from_html(text) returns text AS $$
use HTML::TreeBuilder;
use HTML::FormatText;
my $tree = HTML::TreeBuilder->new;
$tree->parse_content(shift);
my $formatter = HTML::FormatText->new(leftmargin=>0, rightmargin=>78);
$text = $formatter->format($tree);
$$ LANGUAGE plperlu;
演示:
select extract_contents_from_html('<html><body color="white">Hi there!<br>How are you?</body></html>') ;
输出:
extract_contents_from_html
----------------------------
Hi there!
How are you?
一个需要注意的的警告来与不可信的语言,虽然.
在RDBMS中执行的任何解决方案都将涉及字符串处理或正则表达式:据我所知,没有办法在数据库中以符合标准的安全方式操作HTML.重申一下,你所要求的是非常非常不安全的.
更好的选择是在您的应用程序中执行此操作.这是应用程序逻辑,而不是存储层的工作或关注点.
一个很好的方法(在PHP中,至少)是HTML净化器. 不要在JavaScript中执行此操作,用户可以非常轻松地篡改它.
| 归档时间： |
|
| 查看次数： |
13762 次 |
| 最近记录： |