如何使用正则表达式删除其类的整个HTML标记(及其内容)？

<div[^>]*class="footer"[^>]*>(.*?)</div>

另外,不区分大小写.您可能需要转义引号之类的内容或结束标记中的斜杠.你在做什么背景？

另请注意,使用正则表达式进行HTML解析可能会非常讨厌,具体取决于输入.在下面的答案中提出了一个很好的观点 – 假设你有一个像这样的结构：

<div>
    <div class="footer">
        <div>Hi!</div>
    </div>
</div>

试图为此构建正则表达式是一种灾难.最好的办法是将文档加载到DOM中,然后对其进行操作.

应该紧密映射到XML :: DOM的伪代码：

document = //load document
divs = document.getElementsByTagName("div");
for(div in divs) {
    if(div.getAttributes["class"] == "footer") {
        parent = div.getParent();
        for(child in div.getChildren()) {
            // filter attribute types?
            parent.insertBefore(div,child);
        }
        parent.removeChild(div);
    }
}

这是一个perl库,HTML::DOM,另一个是XML::DOM.NET有内置的库来处理dom解析.