1

我正在将我客户的旧 mysql 数据库移动到一个新的 wordpress 系统（旧的也是 wp），我注意到他的文章都保存有大量<p></p>不同样式的 HTML 标签，因为直接从微软字。我已经说服客户使用从 Word 粘贴并在保存新文章之前清理他的文章。

现在，是否有任何安全的方法可以删除所有已保存的标签<p style="different_styles_every_time"></p>而不会留下垃圾并希望保留原始换行符？

我已经开始研究正则表达式，但是这里的很多答案都建议不要使用它来解析 HTML。有什么线索吗？

4

1 回答 1

1

这是我在类似 DB 情况（正在存储的 html）的“预渲染清理”过程中使用的一个安全过程。不幸的是，它是用 Java 编写的，但这个概念（和使用的正则表达式）可以应用于 SQL 更新查询。

一个注意事项是，我不仅建议在执行此操作之前进行备份，还建议在数据库的“安全”版本上进行测试。当然，对于这种规模的任何更新程序，您可能已经知道风险。

注意：“要清理的 HTML 块”不应将其解释为字符串文字，而应仅解释为“displayContent 是保存 DB 的 html 结果的变量，在这种情况下，只是循环内结果集的 1 次迭代。

String displayContent = "THE BLOCK OF HTML TO CLEAN";
String tagregex = "<p[^>]*>";
Pattern p2 = Pattern.compile(tagregex);
Matcher m2 = p2.matcher(displayContent);
displayContent = m2.replaceAll("");
displayContent = displayContent.replaceAll("</p>", "");

您当然可以将其用于任何其他 html 标签 + 它们的属性。祝你好运！

于 2012-04-18T17:42:55.877 回答