正则expression式不匹配具有属性的标签？

================================================== =======================

编辑：我使用node.js，所以我没有访问的DOM，parsing与HTMLparsing器不是一个选项（这是不够有效，足以certificate通过这么less的文本传递）

================================================== =======================

首先，我知道。 HTML +正则expression式=失败。 不过，我只需要它删除所有具有属性的标签。

以下是我到目前为止：

exports.strip_tags = function(input, allowed) { // Strips HTML and PHP tags from a string allowed = (((allowed || "") + "") .toLowerCase() .match(/<[az][a-z0-9]*>/g) || []) .join(''); var tags = /<\/?([az][a-z0-9]*)\b[^>]>/gi, commentsAndPhpTags = /<!--[\s\S]*?-->|<\?(?:php)?[\s\S]*?\?>/gi; return input.replace(commentsAndPhpTags, '').replace(tags, function($0, $1){ return allowed.indexOf('<' + $1.toLowerCase() + '>') > -1 ? $0 : ''; }); } 

任何机会有人知道如何改变这些正则expression式之一，使这个删除我需要它？

澄清：这个函数应该删除所有具有属性的标签，只保留允许的标签（不带属性），并输出结果。

Answer 1

将其转换为XHTML，然后使用xpath。

HTML-> XHTML工具：

• http://tidy.sourceforge.net/
• http://developer.mindtouch.com/SgmlReader

正如你所说…. HTML +正则expression式=失败