xml - 在 Web Harvest 中创建带有特殊字符的正则表达式

Question

我正在使用开源网络抓取工具 Web Harvest (http://web-harvest.sourceforge.net/)。

我尝试使用的正则表达式具有“<”、“>”字符（因为我试图去除所有进入的 HTML 标记）。这会导致问题，因为元素的内容必须由格式良好的字符数据或标记组成。

我需要以某种方式逃避正则表达式，但不知道如何。

有任何想法吗？

Answer 1

使正则表达式格式良好的 XML。尝试<用<和>替换>。同样，如果您&的正则表达式中有 ，则需要将其替换为&.

此外，我建议您为此任务使用 HTML 解析器而不是正则表达式。