html - Regex to replace a content inside HTML page

Question

I need to remove the following string content from a HTML page

<a rel="nofollow" href="http://feeds.wordpress.com/1.0/gocomments/terminaldeembarque.wordpress.com/1847/"><img alt="" border="0" src="http://feeds.wordpress.com/1.0/comments/terminaldeembarque.wordpress.com/2044/"></a>

Note that only the numbers "2044" and "1847" are variables, can I do that with a regex? Can anyone help me with that?

Thanks.

Answer 1

这取决于您是要删除所有锚标签还是仅删除特定标签。您可以将整个字符串放入正则表达式（不要忘记转义所有内容），而不是数字“2044”和“1847”，使用 \d{0,} 或 \d+ ，如下所示：

...wordpress.com/\d+/

或者

...wordpress.com/\d{0,}/

将 {0,} 中的零更改为匹配所需的最少位数。但请注意，此正则表达式非常具体，如果一个字符与您提供的字符不同，它将中断。例如，如果省略 rel 属性或 html 结构中的任何其他更改。

最终正则表达式：

<a rel="nofollow" href="http://feeds\.wordpress\.com/1\.0/gocomments/terminaldeembarque\.wordpress\.com/\d{0,}/"><img alt="" border="0" src="http://feeds\.wordpress\.com/1\.0/comments/terminaldeembarque\.wordpress\.com/\d{0,}/"></a>

Answer 2

使用这个正则表达式：

"a rel=\"nofollow\" href=\"http://feeds.wordpress.com/1.0/gocomments/terminaldeembarque.wordpress.com/[0-9]*/\"><img alt=\"\" border=\"0\" src=\"http://feeds.wordpress.com/1.0/comments/terminaldeembarque.wordpress.com/[0-9]*/\"></a>"