Как очистить HTML от всех аттрибутов?

Question

[Вячеслав Грачунов]

Нужно очистить HTML-страницу от всех аттрибутов, скриптов и прочего, оставив только html-теги и текст. Есть ли что-то? Может плагин какой к Sublime Text?

Comments

[szQocks]

а вот в vs code с этим проблем бы особо небыло, ctrl + f и нашёл всё что нужно и не нужно и через replace all решил вопрос

скорее всего и в Sublime Text есть такое

[Вячеслав Грачунов]

szQocks, так это долго и муторно - приемлемо если мало аттрибутов, а если на каждый тег пяток понавешано - задолбаешься

[szQocks]

Вячеслав Грачунов, проблема была бы с дата атрибутами, да пришлось бы попотеть минут 15-20 а то и пол часа, а так остальные аттрибуты за 2 минуты можно убрать ( распространённые атрибуты заменить на пустоту и всё )

хотя может и гулярку юзнуть можно, не пробовал, подсказать не смогу

[Александр Васильев]

Обычно чищу этим

[Сергей delphinpro]

Я бы скриптик написал и прогонял бы через него файлы.
Например, в php можно использовать нечто подобное htmlpurifier.org

Для vscode сходу нагуглился плагин https://marketplace.visualstudio.com/items?itemNam...
Может и для других IDE/редакторов есть аналоги.

[Вячеслав Грачунов]

szQocks, есть проблемка с регулярками - чищу сохраненный в html вордовский документ, а там инлайновые стили порой разбиваются в середине разрывом строки - соответственно регулярки не работают. Мне выходит нужно регулярным выражением искать что-то подобное:

style='.+'

а выходит, что это не пашет, т.к. точка означает любой символ кроме \n , а мне нужно включая его и такого варианта в регулярках, как понимаю, не существует

[szQocks]

Вячеслав Грачунов, да и без регулярок можно быстро сделать, не только в файле, но и сразу во всех файлах в проекте, найти через поиск все атрибуты, и заменить их на пустоту, после этого пробежаться по HTML и посмотреть какие ещё атрибуты остались ( которые не часто используемые или одинарные, к примеру если в html всего лишь одна форма и 1 аттрибут action )

дата аттрибуты можно найти через data-* или просто ввести data- и там увидишь какие аттрибуты есть и каждый по отдельности заменить на пустоту

это займёт минут 10-20 всё максимум

аттрибуты распространённые

представь что тебе во всём проект нужно заменить название переменной, для этого и существуют эти поиски и замена их на другое название и т.д, ты как будто первый раз с этим сталкиваешься

Answer 1

[Everything_is_bad]

это функция html sanitizer, гугли его под свой язык, под ide такое не встречал, хотя скорее всего есть извращенцы что написали это на регулярках, тоже гугли.

Answer 2

[fkk]

В любом +\- редакторе есть замена по регуляркам, просто сделать замену навскидку по <\s*([a-zA-Z0-9]+)([^>]*[^\/])> на пустую строку (регулярку не проверял).

А так, скрипт на лобом языке написать 5 минут, даже без особых навыков, в эру то чатов жпт... Ему можно даже просто скормить HTML и порпросить почистить.

Comments

[Вячеслав Грачунов]

Есть проблемка с регулярками - чищу сохраненный в html вордовский документ, а там инлайновые стили порой разбиваются в середине разрывом строки - соответственно регулярки не работают. Мне выходит нужно регулярным выражением искать что-то подобное:

style='.+'

а выходит, что это не пашет, т.к. точка означает любой символ кроме \n , а мне нужно включая его и такого варианта в регулярках, как понимаю, не существует

[fkk]

Вячеслав Грачунов, по идее моя регулярка вообще все атрибуты сносит и оставляет чистый тег.