Ungkapan biasa untuk mengalih keluar ruang antara teg HTML yang tidak sah - cth. "</b>" hendaklah "</b>"

Question

Saya mempunyai beberapa HTML yang dikacaukan oleh ruang dalam teg dan mahu menjadikannya sah semula - contohnya:

< div class='test' >1 >b >benar</ b> pisang< / div >

hendaklah ditukar kepada HTML yang sah, dan apabila dipaparkan, dijangka menghasilkan:

<code><div class='test'>1 > 0 adalah <b>benar</b> >>> pisang</div></code>

Sebarang teks yang didahului/diikuti dengan ruang dalam > atau >< hendaklah kekal tidak berubah - contohnya, ;1 >0 hendaklah dikekalkan dan bukannya dimampatkan kepada 1>0

Saya sedar ini mungkin memerlukan beberapa ungkapan biasa, yang tidak mengapa

Saya ada beberapa perkara:

Ini akan membetulkan sebahagian ;/b>

Answer 1

Tiada cara yang munasabah untuk menyimpan dokumen yang rosak seperti yang anda siarkan, tetapi dengan mengandaikan anda meletakkan > 和类似字符替换为其相关实体，例如： > ; dalam teks, anda boleh meletakkan dokumen yang anda ingin terima ke dalam perpustakaan yang sesuai seperti DomDocument yang akan menjaga berehat.

$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());

Keluaran:

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

Answer 2

Regex ini juga berfungsi:

Ia membahagikan bahagian yang sah dalam teg HTML kepada empat bahagian dan menggantikan bahagian yang tinggal (ruang) dengannya.

Demo Regex101

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

• (<) - Tangkap kurungan sudut bukaan (bahagian 1)
• s* - sepadan dengan mana-mana ruang
• (/?) - Menangkap garis miring ke belakang pilihan (Bahagian 2)
• s* - sepadan dengan mana-mana ruang selepas garis miring ke belakang
• ([^<>]*S) - Tangkap kandungan dalam tag tanpa ruang di belakang (bahagian 3)
• s* - Padankan ruang selepas kandungan dan sebelum kurungan sudut kanan
• (>) - Menangkap kurungan sudut kanan (bahagian 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);