相关疑难解决方法(0)

我需要匹配所有这些开始标记:

<p>
<a href="foo">

但不是这些:

<br />
<hr class="foo" />

我想出了这个,并希望确保我做对了.我只抓住了a-z.

<([a-z]+) *[^/]*?>

我相信它说:

• 找一个小于,然后
• 然后,查找(并捕获)az一次或多次
• 然后找到零个或多个空格
• 找到任何字符零次或多次,贪婪/,然后
• 找到一个大于

我有这个权利吗？更重要的是,你怎么看？

我想从一般HTML页面中提取所有文本(显示与否).

我想删除

• 任何HTML标签
• 任何javascript
• 任何CSS样式

是否有正则表达式(一个或多个)将实现这一目标？

我的问题有点像这个问题,但我有更多的限制:

• 我知道这份文件是合情合理的
• 它们非常规则(它们都来自同一个来源
• 我想要大约99%的可见文字
• 大约99%的可行性是文本(它们或多或少是RTF转换为HTML)
• 我不关心格式甚至段落.

是否有任何工具可以设置这样做,还是我最好只打破RegexBuddy和C#？

我对命令行或批处理工具以及C/C#/ D库开放.