我的网站上有文章，我希望自动更正和翻译这些文章。但是我需要在没有 HTML 标记的情况下获取内容。
想法是有一个正则表达式可以检索标签之间的所有内容(如果可能，还可以检索标签字段中的内容，如 <img alt='Little house'> )。问题是我真的不知道如何编写这样的正则表达式。有什么想法吗？
请您参考如下方法:
我建议使用 HTML parser ，而不是依赖正则表达式。使用正则表达式解析 HTML 通常是一个禁忌，并且几乎不可能在所有情况下都正确。这里有很多关于 SO 的问题得出了相同的结论。
EDIT 看起来我们几个人有同样的想法......另外，here is a question讨论了更多的解析器。
