使用正則表達式去除特定標記，同時保留內容

Question

對於包含HTML標記的文本主體，我可以通過刪除特定標記並保留這些標記的內容來解決這個問題（基本上是將文本從層次結構中的某一層取出） ）。

例如，我想：

<div> 
<div class="meta">Wednesday, 2 November 2016 at 15:52 UTC</div> 
<div class="comment">My life this weekend</div> 
<p></p> 
</div> 

要成爲：

<div> 
<div class="meta">Wednesday, 2 November 2016 at 15:52 UTC</div> 
My life this weekend 
<p></p> 
</div> 

我使用library(XML)解析標籤一旦被清洗，所以使用XML :: xpathSApply（）是不是我在這裏需要的。

我相信解決方案在於某種正則表達式，它匹配包含兩個標記的單個模式，並忽略它們之間的文本並用「」直接替換。 Lookahead也是我所需要的，但我對於正則表達式很陌生，並且爲此付出了一些努力。

​​標籤本身是一致的，不包含隨機數量的空白。

謝謝！

Answer 1

text <- "<div> 
<div class=\"meta\">Wednesday, 2 November 2016 at 15:52 UTC</div> 
<div class=\"comment\">My life this weekend</div> 
<p></p> 
</div>" 

m <- gsub("<div class=\"comment\">(.*?)</div>", "\\1", text, perl = TRUE) 
cat(m) 

<div> 
<div class="meta">Wednesday, 2 November 2016 at 15:52 UTC</div> 
My life this weekend 
<p></p> 
</div>