Expression régulière pour supprimer les espaces entre les balises HTML non valides - par exemple, "</b>" doit être "</b>"

Question

J'ai du code HTML qui est gâché par des espaces dans les balises et je souhaite le rendre à nouveau valide - par exemple :

< div class='test' >1 > 0 est < b >true</ b> bananes&Lt / div >≪/pre>
<p> doit être converti en HTML valide et, une fois rendu, devrait produire : </p>
<p>

<pre class="snippet-code-html lang-html Prettyprint-override"><code><div class='test'>1 > 0 est <b>true</b> >>> bananes</div></code>

Tout texte précédé/suivi d'espaces dans > ou >< doit rester inchangé ; par exemple,  ;1 > 0 doit être conservé au lieu d'être compressé en 1>0

Je réalise que cela peut nécessiter plusieurs expressions régulières, ce qui est très bien

J'ai quelques éléments :

Cela corrigera partiellement ;/b>

Answer 1

Il n'existe aucun moyen raisonnable de sauvegarder un document aussi corrompu que celui que vous avez publié, mais en supposant que vous mettiez > 和类似字符替换为其相关实体，例如： > ; dans le texte, vous pouvez mettre le document que vous souhaitez accepter dans une bibliothèque appropriée telle que DomDocument qui se chargera de le repos.

$input = <<<_E_
< div class='test' >1 > 0 is < b >true</ b> and apples >>> bananas< / div >
_E_;

$input = preg_replace([ '#<\s+#', '#</\s+#' ], [ '<', '</' ], $input);

$d = new DomDocument();
$d->loadHTML($input, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);

var_dump($d->saveHTML());

Sortie :

string(80) "<div class="test">1 > 0 is <b>true</b> and apples >>> bananas</div>"

Answer 2

Cette regex fonctionne également :

Il divise la partie valide de la balise HTML en quatre parties et remplace les parties restantes (espaces) par celles-ci.

Démo Regex101

/(<)s*(/?)s*([^<>]*S)s*(>)/g

• (<) - Capture équerre d'ouverture (section 1)
• s* - s'adapte à n'importe quel espace
• (/?) - Capture des barres obliques inverses facultatives (Partie 2)
• s* - correspond à n'importe quel espace après une barre oblique inverse
• ([^<>]*S) - Capturez le contenu dans les balises sans espaces de fin (section 3)
• s* - Correspond aux espaces après le contenu et avant le crochet droit
• (>) - Capturer l'équerre droite (section 4)

const reg = /(<)\s*(\/?)\s*([^<>]*\S)\s*(>)/g
const str = "< div class='test' >1 > 0 is < b >true< / b > and apples >>> bananas< / div  >"
const newStr = str.replace(reg, "");
console.log(newStr);