J'ai HTML dans un élément CDATA (HTML est trop merdique pour être analysé) et je voudrais supprimer les balises <a href>, mais garder le texte dans les balises.Comment faire pour supprimer les balises HTML <a> dans un élément CDATA
Je recherche autour de regex mais toujours pas trouvé un bon moyen de le faire.
Tous les conseils sont les bienvenus!
Vous pourrait enlever quoi que ce soit à partir d'une chaîne qui ressemble un lien HTML via regex. Les résultats dépendent fortement de votre entrée, mais en remplaçant </?a\b[^>]*> par la chaîne vide, vous pourriez aller assez loin.
Dans tous les cas, la gestion de HTML avec des expressions régulières est merdique et ad-hoc. Si votre jeu de données d'entrée est limité et bien connu et que tout ce que vous avez à faire est de jeter un code de conversion à usage unique, puis merdique et ad hoc peut être suffisant et vous pourriez vous en sortir.
Si vous développez le code qui est destiné à être le genre de longue durée, vous devriez certainement regarder dans l'un des parseurs avilable HTML (BeautifulSoup pour Python ou HTML Agility Pack for .NET viennent à l'esprit) et gérer non seulement votre HTML d'une manière structurée, mais aussi le corriger pendant que vous y êtes.
Quelques exemples d'entrée et de sortie désirée aideraient –