删除带有内容的完整 html 标记

Question

我有这个内容：

var a = "Hello <sup foot_note=\"81277\">1</sup> World"

我想删除整个 html 标签：<sup foot_note=\"81277\">1</sup>

我用这段代码试了一下：

let str1 = getText().replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
var str2 = str1.replacingOccurrences(of: "&[^;]+;", with: "", options: .regularExpression, range: nil)

这不会删除“1”，所以我得到“Hello 1 World”。我该如何解决这个问题？

Answer 1

对于当前示例，您可以使用

a.replacingOccurrences(of: #"(?s)\s*<(\w+)(?:\s[^>]+)?>.*?</\1>"#, with: "", options: .regularExpression, range: nil) # #1
a.replacingOccurrences(of: #"(?i)\s*<sup(?:\s[^>]+)?>[^<]*</sup>"#, with: "", options: .regularExpression, range: nil) # #2

请注意，正则表达式不适合删除任意 HTML 标记（上面的第 1 行），因为它们可以嵌套。第一个解决方案实际上可能相当危险

因此，如果您只想删除 sup 及其内容的标签（通常不包含嵌套标签且本身不嵌套），您可以使用第 2 行正则表达式。

请参阅regex demo。

详情

• (?i) - 不区分大小写的搜索
• \s* - 零个或多个空格
• <sup - <sup 字符串
• (?:\s[^>]+)? - 可选出现一个空格，然后是一个或多个除> 之外的字符
• > - 一个 > 字符
• [^<]* - 除< 之外的零个或多个字符
• </sup> - </sup> 文本。