使用正则表达式优化网页代码

转载 2007年09月14日 13:55:00
使用正则表达式优化网页代码
 
       正 则表达式最早在perl语言中出现,在此之前为了测试字符串中是否存在某个字符,不得不使用如ChatAt()、indexOf()等函数对字符串循环校 验。一旦验证的条件复杂起来(比如身份证校验)实现就变得相当繁杂和艰巨。为此人们就发明了正则语法,使用一个特殊的字符串作为模板,对输入的字符流进行 匹配,这跟电子厂的PCB板检测原理很相似。正则表达式在不同工具中实现方式虽然有点不同,但表达语法相同,一般都遵循了ECMPScript 的RegExp类语法标准,具体可以查看,《ECMAScript Language Specification》中有关RegExp的描述,如果想深入了解正则表达式,http://www.regular-expressions.info/是个不错的网站。
       网 页代码优化的最主要工作的就是对页面源代码的简化。对于用网页工具或其他转换工具(比如Word—>Html)制作的网页,简化与未简化的网页大小 相差往往在一倍以上。别小看简化的作用,对于目前的互联网带宽来说,将50kb的页面缩小成20kb可能感觉不到浏览速度的提升,但对小型手持设备如手 机、PDA来说,这是非常致命的,不仅是带宽的问题,页面代码越多,浏览器解析与导航(定位)的速度就越慢,消耗的内存也越厉害。网页代码的精简程度是衡 量网页设计人员水平高低的一个重要标准。
闲话说了这么多,现在进入 正题。代码简化工作是通过对文本进行“查找替换”实现的。普通的全字符串匹配的查找替换可以帮我们完成大部分的代码简化功能,对于有条件的简化,必须使用 正则表达式进行处理。基本上带有文本编辑功能的编辑器(比windows写字板高级点的)都带有支持正则表达式的“查找替换”功能。由于是对网页代码进行 优化,因此我们还是使用专门的DreamWeaver或FrontPage进行操作。这两个工具都带有html代码优化功能,但基本上都不能满足我们的要 求。而且优化的功能都可以通过使用正则表达式进行实现。FrontPage正则表达式的很多标记跟标准的不同(真不明白ms为什么老是要自己搞另外一套- _-!!),这里我只介绍适合DreamWeaver的方法。
应用一:删除空白标签
像<span></span>、<b></b>这类页面编辑后遗留的空白标签是可以清理的,但要注意的是,在一些应用中(如ajax的回显)可能会用到一些有id属性的空白标签。
查找
替换
<(.*)/b.*?>/s*<//1>
 
 
用这个也可以删除一些不必要的标签,只要/s*替换成捕获组:
查找
替换
<(.*)/b.*?>((?:[^<//1]|/s)*)<//1>
$2
记得把.*换成你要替换的标签,另外它无法处理嵌套的标签。但变更一下,可以处理嵌套带不同属性的相同标签。
 
应用二:删除文本中的html标签
查找
替换
<(?:.|/s)*?>
 
 
应用三:删除多余的空白
比如把<div id=””   >替换为<div id=””>
查找
替换
/s{2,}
(一个空格)
/s{1,}(.|/)>
$1>
 
应用四:标签合并
比如把<b><b>abc</b>defedd</b>替换成<b>abcdefedd</b>
对多层嵌套的结构必须一步步“脱壳”:
 
查找
替换
(<(.*)/b.*?>)((?:[^</2]|/s)*?)/1((?:.|/s)*?)<//2>((?:.|/s)*?)<//2>
<$2>$3$4$5</$2>
这个方法一次只能合并一个内嵌标签,要多替换几次。
最好指定(.*)中.*代表的具体标签,避免合并了不该合并的标签。比如b或font,如果要合并带属性的标签,只需要把<(.*)/b.*?>改成<(.|/s)*?>就可以了。
 
应用五:将具有特定属性的标签用css引用简化
假设要把
<td bgcolor=”#FFFFFF” width=”20px”>换成
<td bgcolor=”#FFFFFF” class=”style1”>
查找
替换
<(.*)/b(.*)width="20px"((.|s)*)>
<$1 $2 class=”style1” $3>
 
你需要将.*换成要处理的标签。
举一反三,我们可以把width=”20px”的td加宽2倍
查找
替换
<(.*)/b(.*)width="20px"((.|s)*)>
<$1 $2 width="40px"$3>
 
应用六:删除html注释
查找
替换
<!(.|/s)*?>
 
<!--(.|/s)*?-->
 
 
以上是几个正则表达式在简化代码方面的简单例子,这里虽然只讲如何进行网页代码的优化,但实际上正则表达式的作用远不只如此,只要发挥我们的想象力,正则表达式在文本编辑领域必大有所为。
值得一提的是,在FrontPage的“查找替换”功能中,有个“HTML规则”和“HTML标记”的功能,方便了我们对html代码进行编辑,适合对正则表达式不熟悉的人使用。
  

使用正则表达式优化网页代码

正则表达式最早在perl语言中出现,在此之前为了测试字符串中是否存在某个字符,不得不使用如ChatAt()、indexOf()等函数对 字符串循环校验。一旦验证的条件复杂起来(比如身份证校验)实现就变...
  • web718
  • web718
  • 2007-09-18 09:12:00
  • 494

正则表达式提取HTML中IMG标签的SRC地址

一般来说一个 HTML 文档有很多标签,比如“”、“”、“”等,想把文档中的 img 标签提取出来并不是一件容易的事。由于 img 标签样式变化多端,使提取的时候用程序寻找并不容易。于是想要寻找它们就...
  • yangfei_net
  • yangfei_net
  • 2012-05-16 09:47:19
  • 3715

[转]使用正则表达式优化网页代码

使用正则表达式优化网页代码        正则表达式最早在perl语言中出现,在此之前为了测试字符串中是否存在某个字符,不得不使用如ChatAt()、indexOf()等函数对字符串循环校验。一旦验证...
  • andylaufzf
  • andylaufzf
  • 2007-09-17 11:20:00
  • 418

Java正则表达式爬取网页,贴出完整代码

Maven项目使用java爬取页面,通过正则表达式匹配页面中需要的部分内容,贴出完整代码,以今日头条某一条资讯为例...
  • qq_33348497
  • qq_33348497
  • 2017-09-08 14:37:33
  • 512

基于RegExRX的最简单的网页源代码取正则式

一般在自己做程序的时候,没有后台给的接口,有的时候会涉及到从网页的源代码入手,而用到网页源代码,就少不了正则表达式的应用,正则表达式更多详细用法请见下链接,这里只介绍其中的一种...
  • zxtc19920
  • zxtc19920
  • 2016-11-29 10:30:01
  • 463

【python学习笔记】用正则表达式从含中文的网页中提取数据(含编码转换)

目标:用正则表达式从含中文的网页中提取数据 1、获得网页全部数据 1.1思考过程 确定我们要操作的网页:url = 'http://q.stock.sohu.com/cn/603077/cwzb.sh...
  • pzxzhy
  • pzxzhy
  • 2015-12-27 17:05:36
  • 2674

C#使用正则表达式提取网页中的信息数据

大家好,今天来分享一下在ASP.NET中如何通过正则表达式的使用来获取HTML的信息。 如我们所知,网页中经常会包含一些非常有用的信息,比如网页标题(title),文本(text),图片(image)...
  • aa466564931
  • aa466564931
  • 2011-06-29 18:49:00
  • 9007

优化Java中的正则表达式

        原文地址: http://www.javaworld.com/javaworld/jw-09-2007/jw-09-optimizingregex.html        如果你花费了...
  • mydeman
  • mydeman
  • 2007-09-25 21:54:00
  • 6468

常用正则表达式爬取网页信息及分析HTML标签总结

见链接 https://yq.aliyun.com/articles/26026摘要: 这篇文章主要是介绍Python爬取网页信息时,经常使用的正则表达式及方法。它是一篇总结性文章,实用性比较大,主...
  • chaowanghn
  • chaowanghn
  • 2017-02-05 09:33:03
  • 3328

实战项目中的正则表达式运用

//这里是正则表达式验证,企业名称、注册号、组织机构代码 $("#tesr").blur(function(){ var myreg = /^[A-Za-z0-9\u4e00-\u9fa5]{2,20...
  • yyjourney
  • yyjourney
  • 2017-06-06 11:07:23
  • 682
收藏助手
不良信息举报
您举报文章:使用正则表达式优化网页代码
举报原因:
原因补充:

(最多只允许输入30个字)