在Web收获中创建包含特殊字符的正则表达式

Question

我使用的是web采集(http://web-harvest.sourceforge.net/)，这是一个开源的web抓取工具。

我尝试使用的正则表达式包含"<“、">”字符(因为我试图去掉传入的所有HTML标记)。这会导致问题，因为元素的内容必须由格式正确的字符数据或标记组成。

我需要以某种方式摆脱正则表达式，但不知道怎么做。

有什么想法吗？

Answer 1

以使正则表达式具有良好的XML格式。尝试将<替换为<，将>替换为>。类似地，如果您的正则表达式中有一个&，则需要用&替换它。

另外，我建议您使用HTML解析器来完成此任务，而不是使用正则表达式。