替换网页中的“未标记”内容答案

【问题标题】：Replacing 'non-tagged' content in a web page替换网页中的“未标记”内容
【发布时间】：2015-04-12 12:27:11
【问题描述】：

我目前正在研究一种替换网页中特定文本的方法，但我不想弄乱任何可能用作标记的内容（即 HTML 本身）。我已经研究了许多方法，包括匹配“”字符（并忽略两者之间的内容），但不幸的是，当网页格式错误并且它们不匹配时，这会中断，或者内容很差，或者在实际文本中嵌入了“”。它也非常慢。

提取特定文本不是目标。相反，我需要用不同的文本替换它。

// 进行编辑以使其更清晰（不知道为什么这个问题我得到了两个 -1）。

1) 这是一个非常简单的例子

<head>
    <title>This is my website</title>
    <link rel="shortcut icon" href="//a.b.c">
    <meta name="twitter:card" content="summary">
    <meta property="og:type" content="website" />
    <script src="//ajax.googleapis.com/ajax/libs/jquery/1.7.1/jquery.min.js"></script>
    <script>
        mystuff.ready(function () {    
            mystuff.using("snippets", function () {
                mystuff.snippets.initSnippetRenderer();
            });   
        });
    </script>    
</head>
<body class="question-page new-topbar">
    <noscript><div id="noscript-padding"></div></noscript>
    <div id="notify-container"></div>
    <h1>This is piece of large text</h1>
    <ul>
        <li>Coffee</li>
        <li>Tea</li>
        <li>Milk</li>
    </ul>
</body>

当您打开浏览器时，您希望在浏览器中看到以下内容（我们称之为'感兴趣的文本'）：

这是一大段文字 * 咖啡 * 茶 * 牛奶

因此，我感兴趣的关键是我如何确定标签之外的内容（即感兴趣的文本并允许使用 RegEX 搜索和替换它）。

2)。 @Zaph - stringByReplacingOccurrencesOfString:withString:options:range 是不够的，因为它不能直接确定范围是什么。范围取决于文本是否包含在 HTML 标记中，或者是否由标记操作的有效负载） - 参见上面的“1”点。

例如，如果我使用直接替换文本“网站”，那么它会替换标题中的文本，但它也会错误地替换第二个元标记中的术语，这是不行的。

有什么想法，或者有什么我可能想到的可以智能地与 HTML 有效负载而不是支持标签一起工作的东西吗？

【问题讨论】：

stackoverflow.com/help/how-to-ask
提供示例输入和输出，并在这些示例中包含特殊情况。
方法stringByReplacingOccurrencesOfString:withString:options:range: 支持带有选项的正则表达式：NSRegularExpressionSearch。请记住，“前瞻断言”、“否定前瞻断言”、“后瞻断言”和“否定后瞻断言”可能非常强大。请参阅：ICU 用户指南：Regular Expressions
我得到了断言方法。我认为它有它的用途，并且可以有选择地应用（例如，不匹配
这是你的html吗？如果是这样，则将要替换的文本括在 div 中，并为 div 添加标签以进行匹配。示例：<li><div tag=1>Milk</div></li>

标签： html ios regex parsing

【解决方案1】：

使用带有 Look-behind 和 Look-ahead 断言的正则表达式。

该示例将匹配的文本替换为自身，但包裹在邪恶的表情符号中。重点是演示匹配模式。使用NSRegularExpression 可以更好地控制替换。

解释：

(?<=>) Must be preceded with: >
\\S Must start with a non-whitespace character (the \ has to be escaped)
[^<>]+ Must consist of characters except < and >
(?=</) Must be followed by </

NSString *html = <question html>;

NSString *pattern = @"(?<=>)\\S[^<>]+(?=</)";
NSString *replacement = @"?$0?";
html = [html stringByReplacingOccurrencesOfString:pattern
                                       withString:replacement
                                          options:NSRegularExpressionSearch
                                            range:NSMakeRange(0, html.length)]
NSLog(@"html:\n%@", html);

输出：

<head>
    <title>?This is my website?</title>
    <link rel="shortcut icon" href="//a.b.c">
    <meta name="twitter:card" content="summary">
    <meta property="og:type" content="website" />
    <script src="//ajax.googleapis.com/ajax/libs/jquery/1.7.1/jquery.min.js"></script>
    <script>
        mystuff.ready(function () {    
            mystuff.using("snippets", function () {
                mystuff.snippets.initSnippetRenderer();
            });   
        });
    </script>    
</head>
<body class="question-page new-topbar">
    <noscript><div id="noscript-padding"></div></noscript>
    <div id="notify-container"></div>
    <h1>?This is piece of large text?</h1>
    <ul>
        <li>?Coffee?</li>
        <li>?Tea?</li>
        <li>?Milk?</li>
    </ul>
</body>

【讨论】：