使用正则去除标签，提取HTML 纯文本

最新推荐文章于 2023-10-30 17:00:41 发布

原创最新推荐文章于 2023-10-30 17:00:41 发布 · 536 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#html #html5 #自然语言处理 #正则 #纯文本

实用小程序工具专栏收录该内容

8 篇文章

订阅专栏

这段内容是从HTML中提取的书籍目录，包括巴尔扎克、罗曼·罗兰、伏尔泰以及其他作者的作品，如《高老头》、《约翰·克利斯朵夫》、《老实人》等。通过正则表达式操作，将HTML标签移除，展示纯文本形式的书籍清单。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

场景：提取HTML中纯文本

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"><html xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xmlns:ibooks="http://vocabulary.itunes.apple.com/rdf/ibooks/vocabulary-extensions-1.0" epub:prefix="ibooks: http://vocabulary.itunes.apple.com/rdf/ibooks/vocabulary-extensions-1.0">
<head><meta charset="utf-8" />
<link rel="stylesheet" type="text/css" href="flow0001.css" />
<title></title>
</head>
<body epub:type="frontmatter">
<h1>总书目</h1>
<p class="art">巴尔扎克作品</p>
<div class="author_name">
<p>
<a href="text00002.html">夏倍上校</a>
</p>
<p>
<a href="text00007.html">奥诺丽纳</a>
</p>
<p>
<a href="text00049.html">禁治产</a>
</p>
<p>
<a href="text00058.html">亚尔培·萨伐龙</a>
</p>
<p>
<a href="text00062.html">高老头</a>
</p>
<p>
<a href="text00071.html">欧也妮·葛朗台</a>
</p>
<p>
<a href="text00080.html">于絮尔·弥罗埃</a>
</p>
<p>
<a href="text00103.html">独身者1：都尔的本堂神甫</a>
</p>
<p>
<a href="text00107.html">独身者2：比哀兰德</a>
</p>
<p>
<a href="text00119.html">独身者3：搅水女人</a>
</p>
<p>
<a href="text00149.html">幻灭1：两个诗人</a>
</p>
<p>
<a href="text00155.html">幻灭2：内地人物在巴黎</a>
</p>
<p>
<a href="text00197.html">幻灭3：发明家的苦难</a>
</p>
<p>
<a href="text00242.html">穷亲戚1：邦斯舅舅</a>
</p>
<p>
<a href="text00322.html">穷亲戚2：贝姨</a>
</p>
<p>
<a href="text00340.html">赛查·皮罗多盛衰记</a>
</p>
</div>
<p class="art">罗曼·罗兰作品 - 约翰·克利斯朵夫</p>
<div class="author_name">
<p>
<a href="text00361.html">约翰·克利斯朵夫1：黎明</a>
</p>
<p>
<a href="text00394.html">约翰·克利斯朵夫2：清晨</a>
</p>
<p>
<a href="text00423.html">约翰·克利斯朵夫3：少年</a>
</p>
<p>
<a href="text00464.html">约翰·克利斯朵夫4：反抗</a>
</p>
<p>
<a href="text00527.html">约翰·克利斯朵夫5：节场</a>
</p>
<p>
<a href="text00577.html">约翰·克利斯朵夫6：安多纳德</a>
</p>
<p>
<a href="text00607.html">约翰·克利斯朵夫7：户内</a>
</p>
<p>
<a href="text00646.html">约翰·克利斯朵夫8：女朋友们</a>
</p>
<p>
<a href="text00677.html">约翰·克利斯朵夫9：燃烧的荆棘</a>
</p>
<p>
<a href="text00719.html">约翰·克利斯朵夫10：复旦</a>
</p>
</div>
<p class="art">罗曼·罗兰作品 - 巨人三传</p>
<div class="author_name">
<p>
<a href="text00755.html">贝多芬传</a>
</p>
<p>
<a href="text00782.html">弥盖朗琪罗传</a>
</p>
<p>
<a href="text00798.html">托尔斯泰传</a>
</p>
</div>
<p class="art">服尔德（伏尔泰）作品</p>
<div class="author_name">
<p>
<a href="text00824.html">老实人</a>
</p>
<p>
<a href="text00856.html">天真汉</a>
</p>
<p>
<a href="text00878.html">查第格</a>
</p>
<p>
<a href="text00899.html">小大人</a>
</p>
<p>
<a href="text00908.html">服尔德短篇小说选</a>
</p>
</div>
<p class="art">其余作者作品</p>
<div class="author_name">
<p>
<a href="text00916.html">服尔德传</a>
 - 莫罗阿</p>
<p>
<a href="text00940.html">嘉尔曼</a>
 - 梅里美</p>
<p>
<a href="text00946.html">高龙巴</a>
 - 梅里美</p>
<p>
<a href="text00969.html">人生五大问题</a>
 - 莫罗阿</p>
<p>
<a href="text00979.html">恋爱与牺牲</a>
 - 莫罗阿</p>
<p>
<a href="text00987.html">夏洛外传</a>
 - 菲列伯·苏卜</p>
<p>
<a href="text01006.html">幸福之路</a>
 - 罗素</p>
<p>
<a href="text01030.html">文明</a>
 - 杜哈曼</p>
<p>
<a href="text01050.html">英国绘画</a>
 - 牛顿</p>
<p>
<a href="text01065.html">文学、音乐及其他译文集</a>
 - 拉洛倏夫谷;Frangis Villon;屠格涅夫;乔治·勒公德等</p>
<p>
<a href="text01087.html">艺术哲学</a>
 - 丹纳</p>
</div>
</body>
</html>

使用的规则：

以< 或 </开头，可以这么写：</？

以>结尾

中间是不为>的任意字符串 [^>]+

总的正则规则如下：

</?[^>]+>

替换后的文本如下：







总书目
巴尔扎克作品


夏倍上校


奥诺丽纳


禁治产


亚尔培·萨伐龙


高老头


欧也妮·葛朗台


于絮尔·弥罗埃


独身者1：都尔的本堂神甫


独身者2：比哀兰德


独身者3：搅水女人


幻灭1：两个诗人


幻灭2：内地人物在巴黎


幻灭3：发明家的苦难


穷亲戚1：邦斯舅舅


穷亲戚2：贝姨


赛查·皮罗多盛衰记


罗曼·罗兰作品 - 约翰·克利斯朵夫


约翰·克利斯朵夫1：黎明


约翰·克利斯朵夫2：清晨


约翰·克利斯朵夫3：少年


约翰·克利斯朵夫4：反抗


约翰·克利斯朵夫5：节场


约翰·克利斯朵夫6：安多纳德


约翰·克利斯朵夫7：户内


约翰·克利斯朵夫8：女朋友们


约翰·克利斯朵夫9：燃烧的荆棘


约翰·克利斯朵夫10：复旦


罗曼·罗兰作品 - 巨人三传


贝多芬传


弥盖朗琪罗传


托尔斯泰传


服尔德（伏尔泰）作品


老实人


天真汉


查第格


小大人


服尔德短篇小说选


其余作者作品


服尔德传
 - 莫罗阿

嘉尔曼
 - 梅里美

高龙巴
 - 梅里美

人生五大问题
 - 莫罗阿

恋爱与牺牲
 - 莫罗阿

夏洛外传
 - 菲列伯·苏卜

幸福之路
 - 罗素

文明
 - 杜哈曼

英国绘画
 - 牛顿

文学、音乐及其他译文集
 - 拉洛倏夫谷;Frangis Villon;屠格涅夫;乔治·勒公德等

艺术哲学
 - 丹纳