我正在尋找一種方法來使用regexp爲了從字符串中刪除所有的html標記。
所以，如果我有<HTML><b><FONT color="red" size="3">Hello</FONT></b></HTML>我想從它得到hello。正則表達式爲Matlab標記與Matlab
我知道它可能看起來像嵌套標籤，但它不是真的，因爲我想在這裏做的是刪除兩個<>之間的任何東西。
我正在使用Matlab來做這件事，但正則表達式完全一樣，所以請隨時提供任何幫助。
謝謝。
我的解決辦法是：
>> str='<HTML><b><FONT color="red" size="3">Hello</FONT></b></HTML>';
>> regexprep(str, '<.*?>','')
ans =
Hello
它已被廣泛接受，使用正則表達式解析HTML一般是不好的形式。如果你的html比給出的例子複雜得多，那麼你應該使用XML解析器。
在這個着名的SO問題中進一步討論。 RegEx match open tags except XHTML self-contained tags。
如果要正確分析的內容，然後下載xml_io_tools和使用
doc = xml_read('test.html')
doc.b.FONT.CONTENT
如果你想堅持用正則表達式，然後使用伊利亞的答案，但是從鏈接答案，例如正則表達式的一個，
str = '<HTML><b><FONT color="red" size="3">Hello</FONT></b></HTML>';
rx = '<(?:"[^"]*"['"]*|'[^']*'['"]*|[^'">])+>';
regexprep(str, rx, '')
既然你提到，你想從上面的HTML中提取的 「hello」（說filename.html）文件，你可以使用MATLAB中的以下內容：
doc = xmlread（'filename.html'）; 含量= doc.item（0）.getTextContent
希望這有助於！
太棒了，謝謝！ – 2011-05-03 12:43:41