Javascript RegEx匹配HTML標簽內的字符串

Question

我這里的情況很奇怪。 我有一個看起來像這樣的字符串：

<tag&nbsp;class="bla">hey&nbsp;there&nbsp;</tag>

我必須使用javascript替換所有  包含在HTML標記內，並帶有空格。 可以有任意數量的標簽和  。 因此它必須看起來像這樣：

<tag class="bla">hey&nbsp;there&nbsp;</tag>

在此先感謝亞瑟。

Answer 1

可能不是最有效的，但應該執行以下工作：

str.replace(/<([^>]+)>/g, function(m){ return m.replace(/&nbsp;/gi, ' '); });

哪個應該只能觸摸  在<>內部

Answer 2

首先，讓我們再次聲明，使用正則表達式解析（X）HTML是正確的答案時，這可能是因為問題被嚴重搞砸了。 在這種情況下，您應該讓生成損壞的HTML的人讓他放鼻子，然后讓他修復混亂。

否則，它將成為您的工作，並且對任何進一步的混亂承擔責任。

就是說，也許最安全的方法是尋找

<([^<>]*)&nbsp;([^<>]*)>

並將其替換為<\\1 \\2> 。 這種方法的缺點是您必須重復執行此操作（如果您的標簽內部有八個  ;，則必須將替換操作重復八次）。

因此，您還需要一個執行替換的循環，如果替換后的文本與之前的文本相同，則說明您已完成並可能退出循環。

就替換速度而言，這不是最有效的方法，但是它更直接，更容易處理。 它還有助於記住這是一個麻煩的解決方法:-)

在這種特殊情況下，可以通過修改外部表達式來解決RoToRa注釋中描述的問題：

<(\w[^<>]*)&nbsp;([^<>]*)>

因此它只接受以字母開頭的標簽。 1 < 2 &nbsp; > 3 1 < 2 &nbsp; > 3則被拒絕。

相同的“解決方案”適用於Ross McLellan的解決方案：

str.replace(/<(\w[^>]+)>/g, function(m){ return m.replace(/&nbsp;/gi, ' '); });

出於性能方面的考慮，Ross的解決方案在較小的HTML塊上速度更快，並且在標記數量增加時落后於我的解決方案。 那是因為我的解決方案的搜索開銷略大，但是我的發現要少得多的匹配，並且實際上進行了更少的replace()調用。

此修改可能會兼得兩全，但我尚未對其進行測試：

str.replace(/<(\w[^<>]*&nbsp;[^<>]*)>/g,
    function(m) {
        return m.replace(/&nbsp;/gi, ' ');
    }
);