html - 在锚链接中查找空格

Question

我们有大量静态的 HTML 有链接，例如

<a href="link.html#glossary">Link</a>

然而，其中一些在锚点中包含空格，例如

 <a href="link.html#this is the glossary">Link</a>

关于我需要使用哪种正则表达式来查找 # 之后的空格并将它们替换为 - 或 _ 的任何想法

更新：只需要使用 TextMate 找到它们，因此不需要 HTML 解析库。

Answer 1

您是否考虑过使用像 BeautifulSoup 这样的 HTML 解析库？这将使查找所有href变得更加容易！

Answer 2

这个正则表达式应该这样做：

#[a-zA-Z]+\s+[a-zA-Z\s]+

三个注意事项。

首先，如果您担心页面文本本身（而不仅仅是链接）可能包含诸如“#hashtag more words”之类的信息，那么您可以使正则表达式更具限制性，如下所示：

#[a-zA-Z]+\s+[a-zA-Z\s]+\">

其次，如果您的哈希标签包含超出 AZ 的字符，则只需将它们添加到第二组括号之间。所以，如果你也有'-'，你会修改为：

#[a-zA-Z]+\s+[a-zA-Z-\s]+\">

最后，这假设您尝试匹配的所有链接都以字母/单词开头，后跟一个空格，因此，在当前形式中，它不会匹配“Anchor-tags-galore”，但会匹配“Anchor标签丰富。”

Answer 3

在这里，这个正则表达式匹配散列和其间的所有单词和空格：

#(\w+\s)+\w+

http://dl.getdropbox.com/u/5912/Jing/2009-08-12_1651.png

当您有时间时，您应该下载“The Regex Coach”，这是一个开发您自己的正则表达式的绝佳工具。你会得到即时反馈，你学得很快。另外，它是免费的！

访问主页