问题标签 [stripping]

我正在研究分析 DSL 的预处理器。我的目标是删除评论。块注释功能由%%之前和之后划分。根据语言的定义，我不必担心 %% 在字符串中。

我正在使用这个s///正则表达式。不幸的是，它似乎匹配了所有内容并将其清除：

我究竟做错了什么？

我尝试了各种方法来从 Project Gutenberg 文本中剥离许可证，以用作语言学习项目的语料库，但我似乎无法提出一种无监督、可靠的方法。到目前为止，我想出的最好的启发式方法是剥离前 28 行和最后 398 行，这适用于大量文本。关于我可以自动剥离文本的方法的任何建议（这对于许多文本来说非常相似，但在每种情况下略有不同，还有一些不同的模板），以及关于如何验证文本已被准确剥离，将非常有用。

我正在写一个评论剥离器，并试图在这里满足所有需求。我有下面的代码堆栈，它删除了几乎所有的评论，但它实际上走得太远了。很多时间都花在了尝试、测试和研究匹配的正则表达式模式上，但我并不认为它们在每个方面都是最好的。

我的问题是，我也有“PHP 注释”（在标准代码甚至 PHP 字符串中并不是真正的注释）的情况，我实际上并不想删除这些注释。

例子：

最终发生的事情是它虔诚地剥离，这很好，但它留下了某些问题：

还：

也会导致问题，因为注释删除了该行的其余部分，包括结尾？>

看到问题了吗？所以这就是我需要的...

• '' 或 "" 中的注释字符需要忽略
• 同一行中使用双斜杠的 PHP 注释应该只删除注释本身，或者应该删除整个 php 代码块。

这是我目前使用的模式，请随时告诉我是否可以对现有模式进行改进？:)

您能给我的任何帮助将不胜感激！:)

我有一个从文本文件中读取 html 标签的 Perl 程序。（我很确定这是有效的，因为当我在命令行上运行 perl 程序时，它会打印出应有的 HTML。）然后我将该“html”传递给网页作为对 ajax 请求的返回。然后我使用 innerHTML 将该字符串粘贴到一个 div 中。

问题出在：所有文本信息都到达了它需要的位置。但是“<”“>”和“/”正在被剥离。

有人知道这个问题的答案吗？

我有一个调用函数的 javaScript：

功能是：

这很好用，只是它去掉了内联 javascript，例如：

另一个问题：这个 div

变成

我的网站上有数百个 404 错误的问题，这些错误是由表达式“URLONCLICK”和“%5C”以某种方式插入正确 url 的末尾引起的，我不知道它来自哪里，但我想要只需将其从 .htaccess 文件中的 url 末尾剥离即可。我怎么做？

即 www.mydomain.com/category/post-title/URLONCLICK www.mydomain.com/category/post-title/%5C

我想去掉这些网址的结尾，使它们看起来像：www.mydomain.com/category/post-title/

我试图使用gsed -n '1~4p'命令只打印每 8 行出现的那一行，但显然它只能用 GNU sed 完成，但我似乎没有，怎么会我得到这个？

我一直在使用sed -n '1,${p;n;n;n;}'，我不确定它是否做同样的事情，但它没有执行打印我的预期输出。

谢谢！

是否有任何有效的方法（可能是通过滥用 gcc 预处理器？）来获得一组剥离的内核源代码，其中根据 .config 不需要的所有代码都被遗漏了？

我有一个 csv 文件，其中有几个区域 / 没有进行任何操作，并且没有进行任何我想删除的操作。问题是，我在文件中还有其他项目有 / 我不想删除。

一个例子：

我想成为：

我该怎么做呢？我不能使用 gsub('^/', '') 因为它会去掉 /abc /foo /bar。而对于我的生活，我似乎无法找到一个“结束”。我希望 \Z 会起作用，但运气不好。

有接盘侠吗？

我一直在使用 fastCSV 进行很多迄今为止非常棒的操作。

我有一个 Drupal 6 安装，其中设置了所见即所得的配置文件以使用 TinyMCE。配置文件已打开媒体按钮。我已经定义了过滤后的 HTML 输入格式以允许使用<embed>、<object>和<param>标签，并将其设为所有角色的默认格式。当您使用媒体按钮（看起来像几帧电影的东西）并输入一个 url 时，会生成如下代码并在源代码中可见：

但是，当您预览或保存帖子时，不会呈现视频。

以下是允许的标签列表：

有人知道我做错了什么吗？我发现这篇最近的帖子似乎暗示您需要将 TinyMCE 设置为不使用 media_strict，但我不敢相信您必须添加自制模块才能使嵌入工作：http ://drupal.org/node/368388 #comment-5501684