使用 php（或 python）删除 <li> 标记之间的 html 换行符答案

【问题标题】：remove html line break between <li> tags with php (or python)使用 php（或 python）删除 <li> 标记之间的 html 换行符
【发布时间】：2012-12-19 08:45:44
【问题描述】：

我有大量的 html 文本数据集，我经常发现 <li> 标记中的   换行符是不必要的，有时甚至是多个。

例如：

<li>Some string here<br></li><br><li>Another string here<br><br></li><br>

我想删除出现在<li> 和</li> 之间的这些 ，但保留其他所有内容，包括  之外的<li> 标记。上面的文字会变成：

<li>Some string here</li><br><li>Another string here</li><br>

用 php 中的 preg_replace() （或 python 中的 re.sub() ）执行此操作的正则表达式是什么？

【问题讨论】：

“什么是正则表达式？”你要付给我多少钱？
你是用PHP把内容放到li标签里的吗？
@AaronMiller 不，只是试图从原始文本中删除。我没有插入任何东西。
你确实不使用正则表达式来破坏 html。你使用 DOM。
我建议您使用HTML 解析器在<li> 标签中查找前导和尾随 s。此处建议的正则表达式可能适用于您的示例，但请注意 HTML 不是正则语言，通常无法使用正则表达式解析！

标签： php python regex html-parsing

【解决方案1】：

用</li> 替换( )+</li> 至少会处理li 内容末尾的换行符，这对您来说可能已经足够了。否则，由于<li>s 有时包含其他<li>s，您面前可能有一个非常困难的任务，无法用正则表达式轻松解决（并且可能根本无法单独使用正则表达式解决），请参阅接受的答案到this question。

【讨论】：

【解决方案2】：

使用PHP Simple HTML DOM Parser 可以轻松实现（就像 jQuery 一样）

include('simple_html_dom.php');
$html = str_get_html('<li>Some string here<br></li><br><li>Another string here<br><br></li><br>');
foreach($html->find('li br') as $br){
    $br->outertext='';
}
echo $html;

输出将是

<li>Some string here</li><br>
<li>Another string here</li><br>

【讨论】：