從 Word 或線上編輯器複製內容時,常會帶出一大堆 <style> 與行內樣式,清起來很麻煩。用一段正則就能把整塊樣式定義摘掉,本文記錄整個嘗試過程。
<style>v\:* { BEHAVIOR: url(#default#VML) } .shape { BEHAVIOR: url(#default#VML) } </style> abcdefg <style> @font-face { font-family: Wingdings; } P.MsoNormal { FONT-SIZE: 12pt; MARGIN: 0in 0in 0pt; FONT-FAMILY: "Times New Roman","serif" } H1 { FONT-WEIGHT: bold; FONT-SIZE: 24pt; } A:link { COLOR: blue; TEXT-DECORATION: underline; } DIV.WordSection1 { page: WordSection1 } </style>
這段內容的特徵是:樣式區塊很長、裡面有換行、而且一組資料裡會出現好幾次。
<style[^>/]*>(.*?)</style>
遇到有換行的情況就匹配不到。原因是 . 除了換行符之外可以匹配任意字元,而樣式區塊內部幾乎都帶有換行。
<style(([\s\S])*?)(?:<\/style>) 這類寫法之所以可行,是因為 [\s\S] 把「空白字元」與「非空白字元」兩種集合合起來,等價於「任意字元包含換行」。搭配 *? 懶惰比對,才不會一路吃到最後一個 </style>。
若要匹配 <div>,只要把標籤名換掉即可,做法完全一樣。
var result= testData.replace(<style(([\s\S])*?)(?:<\/style>), '');
var result= testData.replace(/<style(([\s\S])*?)(?:<\/style>/g, '');
g:全域匹配,不加只會換掉第一個。
i:忽略大小寫,實務上幾乎必加,因為 <STYLE> 也該被清掉。
m:多行模式,讓 ^ 與 $ 能對每一行生效。
補充一個更現代的寫法:在 ES2018 之後,可以直接用 /<style[\s\S]*?<\/style>/gi,其中的 s(dotAll)旗標會讓 . 也能匹配換行,比 [\s\S] 好讀一些。
最後提醒,用正則處理 HTML 本質上是脆弱的做法——遇到屬性裡出現 >、或是巢狀同標籤的情況就會出錯。若資料來源可控(例如都是編輯器輸出)這樣夠用;若必須處理任意 HTML,改用 DOM 解析後移除節點會更穩妥。