html批量正则替换图片,HTML批量修改——正则表达式实践(示例代码)

1.问题描述

如下所示的一段HTML代码：

...

2.1.从文件系统级理解ROS架构     

...

想将其整体转换为Markdown的标题格式：

#1.从文件系统级理解

2.初步研究

使用正则表达式

，检索结果为：

2.1.从文件系统级理解ROS架构     

这样可以做到检索到所需要的代码段，但是还没能做到将所需的文字提取并缓存，以供替换。

3.进一步研究

3.1提取2.*中的序号*

若要提取出2.*中的序号*，需要使用到子表达式()。另外，由于*是贪婪的，必须使用?使表达式实现最小匹配。

使用正则表达式

，检索结果为：

。由于表达式非贪婪，只检索到第一个\'>\'便结束了。为了检测到第二个\'>\'，我们将\'.*?>\'作为子表达式，条件为检索到2次。由于此结果我们不会使用，因此加上\'?:\'使之忽略对此匹配的捕捉。

使用

){2}，检索结果为：

。此时，只需要加入对\'2.\'的检索，即可将定位在2.*中的*处。由于.是特殊字符，加上\'\'进行检索。

使用

){2}2\\.，检索结果为：

2.。此时，使用对数字的检索\'[1-9]\'并加以限定为检索到1次，再加上子表达式并缓存其结果即可。

使用

){2}2\\.([1-9]){1}\\.，检索结果为：

2.1.，同时\'2.1\'中的\'1\'已被缓存为\'\\1\'。

3.2提取标题

标题是第二个需要提取的内容，也即HTML代码中的”从文件系统级理解“。上文中已经提到的内容不会重复。

首先，定位到汉字之前。使用正则表达式

){2}2\\.([1-9]){1}\\..*?>，检索结果为：

2.1.。

然后，提取汉字内容。使用正则表达式

){2}2\\.([1-9]){1}\\..*?>(\\w*?)2.1.从文件系统级理解，同时标题被缓存为\'\\2\'。

注意：\'\\w\'在某些操作系统/环境的作用下，不支持检索汉字。因此也可以使用

){2}2\\.([1-9]){1}\\..*?>(.*?)

3.3选取全文

选取全文只需要在之前正则表达式的基础之上，加入对标题后字符的检索即可。

使用正则表达式

){2}2\\.([1-9]){1}\\..*?>(\\w*?)<.>即可。

3.4替换

替换同样不复杂，按照Markdown格式，替换为##\\1.\\2。替换结果：##1.从文件系统级理解。

注意：在部分软件/语言中，可能需要使用##$1.$2。

参考资料