HTMLタグの内側の指定文字を削除

質問

文字列中からHTMLタグの内側のダブルクォーテーションを削除したいのですが、どのようにすればできるでしょうか。

<FONT color="#000000">　 → <FONT color=#000000>

それと、\<[^\>]*\> と <[^>]*> と <.*?> はどのように違うのでしょうか。

ご教授よろしくお願いします。

回答No.3

noname#227796

s/<([^<>]*)color="?([^<>"\s]*)"?([^<>]*)>(.*)/<$1color="$2"$3>$4/ig

で置換できると思います。
正規表現の部分はもう少し書きようがあるかもしれませんが・・・

これだと、colorだけでなく、bgcolorの属性もcolorで一致するので置換できますし、#000000だけでなく、redとかの色の名前による指定にも対応できるでしょう。
sizeとかtypeとかの属性も、colorの部分を変えることで対応できると思います。
ただ、これだと全属性について一行一行書かなきゃいけませんので、配列に属性名を格納しておいて、ループさせて配列から属性名を取り出して置換して・・・という方がすっきりしたプログラムになるでしょう。

お礼

回答いただきありがとうございます。

回答No.2

noname#227796

>文字列中からHTMLタグの内側のダブルクォーテーションを削除したい

そのダブルクォーテーションは、付けたままにしておきましょう。
HTMLでは、本来タグの属性値はダブルクォーテーションまたはシングルクォーテーションで括っておくのがお約束、っていうか仕様です。
なくてもブラウザが勝手に補完してくれるので問題ありませんが、本来付けておくべきものです。
付けるのをくせにして、削除するという発想そのものを削除して下さい。

やるのであれば、ダブルクォーテーションを「付加」してください。
<FONT color=#000000> → <FONT color="#000000">
それだったら、知恵をお貸ししますが。

補足

ご指摘ありがとうございます。
i_am_aliveさんのおっしゃるとおり
<FONT color=#000000> → <FONT color="#000000">
という発想のほうが正しいと思います。
そこでi_am_aliveさんにお願いなのですが、ダブルクォーテーションの閉じ忘れの場合のダブルクォーテーション付加でのお知恵をお貸し下さい。
<FONT color="#000000> → <FONT color="#000000"> or
<FONT color=#000000"> → <FONT color="#000000">
わがまま言ってすみません。

回答No.1

haporun

後者の回答。

"<" も ">" もとくに制御文字じゃないので、"\<[^\>]*\>" は "<[^>]*>" と同じ。

"<abc>" などにマッチさせたいが、"abc" のなかに ">" が含まれている "<a>bc>" などにはマッチさせたくないので、"<" + (">" でない文字が0文字以上) + ">" というならびにマッチさせたいという意味。

"<.*?>" はたとえば "<abc>def>ghi>" のような文字列があったとき、"<abc>def>ghi>" にも "<abc>def>" にも "<abc>" にもマッチしてしまいそうだが、"?" がついていると、そのなかでももっとも短い "<abc>" にマッチすることになる。
"?" がついていないと、その中でもっとも長い "<abc>def>ghi>" にマッチするようになる。

お礼

とてもわかりやすく回答して頂きありがとうございます。