使用 RegEx 从 HTML 中清除空格答案

【问题标题】：Cleaning whitespace from HTML with RegEx使用 RegEx 从 HTML 中清除空格
【发布时间】：2011-12-23 15:12:54
【问题描述】：

RegEx 是否可以清除 HTML 中的空白？

例如：

<p><b>foo</b> <i>bar</i></p>
<p>foo</p> <p>bar</p>

在第一行，结束 b 和开始 i 标记之间的空格是有效的（尽管它可能是 &nbsp;），但是在第二行，我希望清理空白，因为它不应该有任何语义价值。

也许这会通过 DOM 遍历更好地解决？

【问题讨论】：

【解决方案1】：

似乎HTML Tidy 之类的东西更适合您正在寻找的东西 - 而不是需要重新创建所有可能复杂的规则（例如示例中的第一个空格很重要，但不是第二等）

否则，我同意 - DOM 遍历将是比正则表达式更好的方法 - 特别是如果您的 HTML 已经符合 XHTML 并且可以轻松地作为 XML 遍历。

【讨论】：

我快速搜索了 HTML Tidy 的 javascript 实现，但没有运气，所以它是 DOM 遍历。我需要它尽可能快地运行，所以希望 IE 不会引起太多问题。
你为什么要在 JavaScript 中这样做呢？它会给谁带来好处？所有 HTML 都已经传输到客户端并由浏览器呈现，因此您不会在带宽或浏览器呈现方面节省任何东西。
那么一点额外的背景，我正在摆弄一个可内容编辑的 div 和 diff-match-patch 库。根据 contenteditable 的浏览器实现，我会得到不同数量的空白，当我在不同的浏览器之间来回切换时，会产生永无止境的差异。我能想到的最简单的解决方法是完全去除空格。

【解决方案2】：

首先我必须引用 ;) “要求正则表达式解析任意 HTML 就像要求帕丽斯·希尔顿编写操作系统一样” 然后回到业务上。您可以尝试对标签使用不同的正则表达式（尽管我怀疑这是有效的方法）：

sed -e 's/<p>\ </<p></g'

这将删除 <p>(whitespace)<(whatever_tag) 空格。

否则，我也同意DOM遍历。

【讨论】：