Друзья! Тут просто подборка разных полезных регулярок для обработки текста и html-кода в notepad++
- 1. Удалить все html-теги, оставить только текст:
[<].*?>
- 2. В списке ссылок вида TITLE удалить все html-теги, оставить только ссылки:
^[^"]+.([^"]+).* заменить на: $1
- 3. В том же самом списке оставить только тайтлы:
</?[^>]*.
4. Удалить пустые строки из файла — уже встроено в саму программу. Смотрите скриншот:
- 5. Удалить строки с заданным количеством вхождения определенного символа. (Мне это понадобилось, когда нужно было очистить большой список ссылок на товары — 45 тыс. позиций — от ссылок на категории. Друг от друга они отличались общим количеством слешей — в категориях было 5, а в товарах — 6)
^([^/]*/){5}[^/]*$
разъяснение:
^ начало строки
( начало группы
[^/]* любой символ кроме слеша, 0 или более раз
/ слеш
){5} закончить и повторить группу 5 раз
[^/]* любой символ кроме слеша, 0 или более раз
$ конец строки
- 6 Удалить весь текст между двумя определенными символами (в данном примере — между двух кавычек):
"([^"]*)"
- 7. Удалить все html-теги с определенным атрибутом. Например, мы хотим удалить все теги (и содержимое тегов), у которых совпадает класс, или инлайн-стили
([^<]*) - то есть задаем искомую строку,
внутри которой может быть произвольный текст. Текст оформляем как ([^<]*) - любые символы,
кроме символа открытия (или закрытия) тега.
- 8. Удалить все теги, внутри которых содержатся только числа:
(\d+)
- 9. Удалить заданное количество символов от начала строки (данный пример удаляет первые 9 символов):
^.{0,9}
В данном примере выражение \d+ означает любую цифры от 0 до 9 любое количество раз
Аналогично можно использовать следующие наборы выражений:
. — Один произвольный символ
^ — Начало строки
$ — Конец строки
\s — Пробел
\S — Не Пробел
\w — Буква, цифра или символ подчёркивания _
\d — Любая цифра
\D — Любой символ кроме цифр
[0-9] — Любая цифра
[a-z] — Любая буква от a до z (весь латинский набор символов) в нижнем регистре
[A-Z] — Любая буква от a до z в ВЕРХНЕМ регистре
[a-zA-Z] — Любая буква от a до z в произвольном регистре
[a-Z] — Любая буква от a до z в произвольном регистре
* — Повторение. Означает, что предшествующий символ может повторяться (0 или более раз)
.* — Любой набор символов. Например, условие
.* — найдет все что между тегами
([0-9][0-9]*.) — Любое двухзначное число
\n\r — Пустая строка
^\s*$ — Пустая строка с пробелом
^[ ]*$ — Ищет пустые строки содержащие пробел.