删除以给定字符串开头的行和后面的 n 行

Question

我有一个文件 HTML，如下所示：

      <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>
      <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>
      <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>

    </table>
    <br>
    </div>
    <a href="javascript:;" onmousedown="toggleDiv('20161023');">Sunday 23 ...   </a></h3>
    <br>
    <div class="time_div" id="20161023" style="display:none">
    <p class="dep_parag">Test automation on Sunday 23 October</p>
    <table id="table" border="1" cellpadding="3" cellspacing="0">

    <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>
      <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>
      <tr>
        <td>SOMETHING1</td>
        <td>SOMETHING2</td>
        <td>SOMETHING3</td>
      </tr>

如您所见，有一个表格行列表，除以一个带有一些 javascript 的部分（该部分以 开头，以 结尾）

这只是一个包含超过 300.000 个表格行的 html 页面的提取！

我必须删除带有 javascript 的部分，因为我只需要一个长的表格行列表，干净，它们之间没有任何内容。

与其手动操作，那太疯狂了，我想要一些东西（正则表达式）一键清理文件（我曾经在 NOTEPAD++ 上运行简单的正则表达式，但这对我来说有点难)

我在想这样的事情：

删除从到cellspacing="0">的所有行

或者

删除 中的所有行以及以下 8 行。

有人能这么温柔地帮我处理这个正则表达式吗？

非常感谢！ :)

Answer 1

假设您对不规则的空白不感兴趣，那么搜索模式如何：

</table>.*?<table.*?>

使用空的“替换为”字符串，勾选“正则表达式”和“。匹配换行符”选项。

Answer 2

我不太明白您要删除哪个部分（我的理解是从</table> 到cellspacing="0"> ？），但应该相当容易。你的意思是这样的吗？

<a href="javascript([^\n]+\r\n){5}

Answer 3

这个正则表达式将与标志 s 一起工作，用于 php、python 的单行，用于带有 DOTALL 选项的 java 启动表达式

\<\/table\>.+?(?=javascript\:\;).+?(?=\<table.+?cellspacing\=\"0\"\>)\<table.+?cellspacing\=\"0\"\>