1

文字列から HTML タグを削除する必要があります。

std::String whole_file("<imgxyz width=139\nheight=82 id=\"_x0000_i1034\" \n src=\"cid:image001.jpg@01CB8C98.EA83E0A0\" \nalign=baseline border=0> \ndfdsf");

パターン削除に RE2 ライブラリを使用する場合

RE2::GlobalReplace(&whole_file,"<.*?>"," ");

使用すると、Htmlタグが削除されません

RE2::GlobalReplace(&whole_file,"<.*\n.*\n.*?>"," ");

html タグが削除されたのはなぜですか? ファイルから HTML タグを削除するためのより良い正規表現を提案できる人はいますか?

4

2 に答える 2

2

Wild guess: . does not match the EOL character.

You could use: "<[.\n]*?>" to match any number of newline character.

于 2012-01-17T07:43:13.307 に答える
0

チェックパターン:<[^>]*>

サンプルコード:

#include <string.h>
#include <string>
#include <stdio.h>
#include <vector>
#include <regex>

int main()
{
    //Find all html codes
    std::regex htmlCodes("<[^>]*>");
    std::cmatch matches;
    const char* nativeString = "asas<td cl<asas> ass=\"played\">0</td><td class=\"played\">";

    int offset = 0;
    while(std::regex_search ( nativeString + offset, matches, htmlCodes ))
    {
        if(matches.size() < 1)
        {
            break;
        }

        for (unsigned i=0; i<matches.size(); ++i)
        {
            const int position = matches.position(i) + offset;
            printf("Found: %s %d %ld\n",matches[i].str().c_str(),position,matches.length(i));
            offset = position +  matches.length(i);
        }
    }
    return 0;
}

出力：

Found: <td cl<asas> 4 12
Found: </td> 31 5
Found: <td class="played"> 36 19
于 2015-10-28T15:06:26.850 に答える