如何使用jSoup從<％@ include view =「MirrorPage」％>中刪除文本

我正在從數據庫中提取html電子郵件內容。 HTML中包含字符串，如：如何使用jSoup從<％@ include view =「MirrorPage」％>中刪除文本

<%@ include view="MirrorPage" %> and <%= stagingArea.techField.label %>

，我想顯示前去除。

我正在使用Coldfusion 9和jSoup來解析html。 jSoup很有效地刪除了在html中的<腳本>內容。

<cfset emailHTML=jsoup.parse(detail["html"]) /> 
<cfset emailHTML.select("script").remove() />

我只是不清楚如何與jSoup選擇<％，因爲它不是一個真正的「標籤」。

感謝，加里

2013-03-04 garyv

當您使用jSoup解析HTML包含<%@ ... %>它被轉化爲<%@ ... %>，並視爲文本。

由於它是簡單的文本，因此jSoup無法將其提取出來，或者將其與其他文本區別開來。

假設這些標記是遵循簡單的規則（即沒有嵌套，他們不會包含「％」的標誌之外，等等），你可以用這樣的正則表達式中刪除佔位符/標記：

<cfset emailHTML = rereplace(emailHTML.html() ,'&lt;%[@=][^%]+%&gt;','','all') />

（你可能還是不希望再使用jsoup.parse(emailHTML)再次得到字符串回到對象。）

當然，如果這些佔位符是有原因的，你可能需要做一些更復雜的不僅僅是簡單地刪除他們 - 如果他們可能包括HTML，那麼你需要考慮他們是否應該處理是前 jSoup被調用來刪除腳本標籤/等。

2013-03-04 13:02:14

感謝Peter，在思考了更多關於這個之後，我認爲正則表達式會成爲去除這些字符串的更好工具。在電子郵件應用程序中，它們用於生成內容。我只是爲了顯示目的而將數據庫拉出來，所以不需要它們。 – garyv 2013-03-04 14:13:14

有時候，正則表達式最難的事情是如果它是正確的工具或者不正確的話。 :) 可能仍然值得用一個非空白字符串替換（例如'...'） - 如果最終由於類似於空白的td而導致顯示差異 - 取決於觀衆是我猜的。 – 2013-03-04 14:18:28

回答