正则表达式删除 HTML-head-tag答案

【问题标题】：Regex to remove HTML-head-tag正则表达式删除 HTML-head-tag
【发布时间】：2011-04-07 19:09:45
【问题描述】：

如何使用 NSRegularExpression 删除 HTML 文件中的整个 head-tag。有人可以给我一个正则表达式吗？

提前致谢， Ph99Ph

【问题讨论】：

@Don: meta.stackexchange.com/questions/73133

标签： iphone regex cocoa cocoa-touch ios

【解决方案1】：

没有！ HTML 是一种类型 2 语言，因此 不能用正则表达式解析（类型 3）。

如有疑问请联系this wiki article。

很多人使用正则表达式来解析/编辑 HTML。这在简单的情况下效果很好，但完全容易出错。

话虽这么说：您应该使用此正则表达式获得相当可靠的结果：

<head>.+?</head>

这需要“。”也匹配换行符。如果没有，请使用：

<head>(?:.|\n|\r)+?</head>

再说一遍：这很容易出错，不要这样做。

您应该使用的是XML解析器，例如NSXMLParser。

【讨论】：

公平地说，这是一个常见的误解，尤其是关于使用正则表达式解析/验证/编辑 html 的大量不明智的在线文章的浪费。我只能全心全意地推荐阅读我在回答中喜欢的 wiki 文章。理解语言的复杂性是一件大事。基本上在计算机科学/编程中无处不在。值得一读。
要匹配换行符，可以使用修饰符：/.*/s
@FelixEve: NSRegularExpression 不像 PHP/PERL/... 其中 regex 的定义类似于 /pattern/flags//pattern/template/flags。相反，您必须为其提供 NSRegularExpressionDotMatchesLineSeparators 位掩码选项。
一条评论，结束标签中的斜线不应该被转义吗？ <head>(?:.|\n|\r)+?<\/head>
@aUXcoder：这取决于您使用的编程语言是否使用/…/ 正则表达式文字（在这种情况下，您当然是对的）。

【解决方案2】：

请参阅RegEx match open tags except XHTML self-contained tags 接受的答案。或自 Stack Overflow 开始以来每天发布的完全相同问题的任何版本。

简而言之，您无法使用正则表达式可靠地解析 HTML。由于 HTML 的复杂性，RegEx 还不够先进。

【讨论】：

【解决方案3】：

使用这样的东西：

result = System.Text.RegularExpressions.Regex.Replace(result,
         @"<( )*head([^>])*>", "<head>",
         System.Text.RegularExpressions.RegexOptions.IgnoreCase);
result = System.Text.RegularExpressions.Regex.Replace(result,
         @"(<( )*(/)( )*head( )*>)", "</head>",
         System.Text.RegularExpressions.RegexOptions.IgnoreCase);                
result = System.Text.RegularExpressions.Regex.Replace(result,
         "(<head>).*(</head>)", " ",
         System.Text.RegularExpressions.RegexOptions.IgnoreCase);

【讨论】：