0
我正在使用亞馬遜網絡服務獲取各種商品的產品描述。問題是亞馬遜的內容包含標記,有時會破壞我網頁的佈局(例如未封閉的DIV等)。消毒內容:從亞馬遜的內容中刪除標記
我想清理從亞馬遜獲得的內容。我的解決辦法是做到以下幾點(我的初步名單至今):
- 刪除不必要的標記,如
div
,span
等,同時保持標籤,如p
,ul
,ol
等 - 全部刪除從所有的標籤屬性(例如好像有一些標籤的
style
屬性) - 刪除多餘的空格(如多個空格,回車換行,製表符等)
- 等等
在我試圖構建我的解決方案之前,我想知道是否有人有更好的主意(或者已有的解決方案)。謝謝。
是否需要通過正則表達式來完成?它們可能是解析HTML的最糟糕的工具。 – 2011-01-31 12:28:07