码迷,mamicode.com
首页 > Web开发 > 详细

HTML批量修改——正则表达式实践

时间:2019-11-18 20:07:23      阅读:102      评论:0      收藏:0      [点我收藏+]

标签:语言   必须   忽略   部分   一段   文件   pre   地方   htm   

1.问题描述

如下所示的一段HTML代码:

...
<h2 align="justify"><span style="background-color: #99ccff;">2.1.<span style="font-family: 宋体;">从文件系统级理解</span><span style="font-family: Calibri;">ROS</span><span style="font-family: 宋体;">架构 &nbsp; &nbsp;&nbsp; <br></span></span></h2>
...

想将其整体转换为Markdown的标题格式:
#1.从文件系统级理解

2.初步研究

使用正则表达式<h2.*>,检索结果为:

<h2 align="justify"><span style="background-color: #99ccff;">2.1.<span style="font-family: 宋体;">从文件系统级理解</span><span style="font-family: Calibri;">ROS</span><span style="font-family: 宋体;">架构 &nbsp; &nbsp;&nbsp; <br></span></span></h2>

这样可以做到检索到所需要的代码段,但是还没能做到将所需的文字提取并缓存,以供替换。

3.进一步研究

3.1提取2.*中的序号*

若要提取出2.*中的序号*,需要使用到子表达式()。另外,由于*是贪婪的,必须使用?使表达式实现最小匹配。
使用正则表达式<h2.*?>,检索结果为:<h2 align="justify">。由于表达式非贪婪,只检索到第一个‘>‘便结束了。为了检测到第二个‘>‘,我们将‘.*?>‘作为子表达式,条件为检索到2次。由于此结果我们不会使用,因此加上‘?:‘使之忽略对此匹配的捕捉。
使用<h2(?:.*?>){2},检索结果为:<h2 align="justify"><span style="background-color: #99ccff;">。此时,只需要加入对‘2.‘的检索,即可将定位在2.*中的*处。由于.是特殊字符,加上‘‘进行检索。
使用<h2(?:.*?>){2}2\.,检索结果为:<h2 align="justify"><span style="background-color: #99ccff;">2.。此时,使用对数字的检索‘[1-9]‘并加以限定为检索到1次,再加上子表达式并缓存其结果即可。
使用<h2(?:.*?>){2}2\.([1-9]){1}\.,检索结果为:<h2 align="justify"><span style="background-color: #99ccff;">2.1.,同时‘2.1‘中的‘1‘已被缓存为‘\1‘。

3.2提取标题

标题是第二个需要提取的内容,也即HTML代码中的”从文件系统级理解“。上文中已经提到的内容不会重复。
首先,定位到汉字之前。使用正则表达式<h2(?:.*?>){2}2\.([1-9]){1}\..*?>,检索结果为:<h2 align="justify"><span style="background-color: #99ccff;">2.1.<span style="font-family: 宋体;">
然后,提取汉字内容。使用正则表达式<h2(?:.*?>){2}2\.([1-9]){1}\..*?>(\w*?)<,检索结果为:<h2 align="justify"><span style="background-color: #99ccff;">2.1.<span style="font-family: 宋体;">从文件系统级理解,同时标题被缓存为‘\2‘。
注意:‘\w‘在某些操作系统/环境的作用下,不支持检索汉字。因此也可以使用<h2(?:.*?>){2}2\.([1-9]){1}\..*?>(.*?)<

3.3选取全文

选取全文只需要在之前正则表达式的基础之上,加入对标题后字符的检索即可。
使用正则表达式<h2(?:.*?>){2}2\.([1-9]){1}\..*?>(\w*?)<.*>即可。

3.4替换

替换同样不复杂,按照Markdown格式,替换为##\1.\2。替换结果:##1.从文件系统级理解
注意:在部分软件/语言中,可能需要使用##$1.$2

参考资料

正则表达式——看的最远的地方

HTML批量修改——正则表达式实践

标签:语言   必须   忽略   部分   一段   文件   pre   地方   htm   

原文地址:https://www.cnblogs.com/letisl/p/11884608.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!