清理舊的數據庫完整的HTML標記

我正在將我的客戶的舊的mysql數據庫移動到一個新的wordpress系統（舊的也是wp），我注意到他的文章都保存着噸和噸的HTML <p></p>由於直接從MS Word導入內容，所以標籤充滿了不同的風格。我已經說服客戶使用從Word粘貼並在保存新文章之前清理完他的文章。清理舊的數據庫完整的HTML標記

現在，有沒有任何安全的方法來刪除所有已保存的標記<p style="different_styles_every_time"></p>而不留下垃圾，並希望保持原來的換行符？雖然我已經開始研究正則表達式，但很多答案都建議不要使用它來解析HTML。任何線索？

來源

2012-04-18 moraleida

這是一個安全的過程，我在一個類似的數據庫情況（html被存儲）的「預渲染清理」過程中使用它不幸的是寫在Java中，但概念（和正則表達式使用）可以應用到SQL更新查詢。

一個注意事項是，我建議不僅在進行此操作之前進行備份，而且還要在「安全」版本的數據庫上進行測試。當然，對於這種規模的更新程序，您可能已經知道風險。

上注：「HTML塊清理」 不應該被解釋爲一個字符串字面量，而是隻是一個紙條，上面寫着「displayContent是變量保存數據庫的HTML結果，在這種情況下只有1一環內的結果集的迭代。

String displayContent = "THE BLOCK OF HTML TO CLEAN"; 
String tagregex = "<p[^>]*>"; 
Pattern p2 = Pattern.compile(tagregex); 
Matcher m2 = p2.matcher(displayContent); 
displayContent = m2.replaceAll(""); 
displayContent = displayContent.replaceAll("</p>", "");

當然你也可以使用這個任何其他HTML標籤+它們的屬性。祝你好運！

來源

2012-04-18 17:42:55

我想這真的會做到這一點。在' * >'部分是我最擔心的事情，而且它似乎能夠滿足我的需求，所以謝謝！ – moraleida 2012-04-19 16:38:43

是的，真的沒有回去之後，更新查詢短回滾哈哈哈 - 很高興它的工作！ – 2012-04-19 17:27:10

清理舊的數據庫完整的HTML標記

回答

相關問題