我正在将我客户的旧 mysql 数据库移动到一个新的 wordpress 系统（旧的也是 wp），我注意到他的文章都保存有大量的 HTML <p></p> 标签，充满了不同的样式由于直接从 MS Word 导入内容。我已经说服客户使用从 Word 粘贴并在保存新文章之前清理他的文章。
现在，是否有任何安全的方法可以删除所有已保存的标签 <p style="different_styles_every_time"></p> 而不会留下垃圾并希望保留原始换行符？
我已经开始研究正则表达式，但是这里的很多答案都建议不要使用它来解析 HTML。有什么线索吗？
【问题讨论】：
这是我在“预渲染清理”过程中从类似的数据库情况（正在存储的 html）中使用的一个安全过程。不幸的是，它是用 Java 编写的，但这个概念（和使用的正则表达式）可以应用于 SQL 更新查询。
需要注意的是，我不仅建议在执行此操作之前进行备份，还建议在“安全”版本的数据库上进行测试。当然，对于这种规模的任何更新过程，您可能已经知道风险。
注意：“要清理的 HTML 块” 不应解释为字符串文字，而应仅解释为“displayContent 是变量保存 DB 的 html 结果，在这种情况下，循环内只对结果集进行 1 次迭代。
String displayContent = "THE BLOCK OF HTML TO CLEAN";
String tagregex = "<p[^>]*>";
Pattern p2 = Pattern.compile(tagregex);
Matcher m2 = p2.matcher(displayContent);
displayContent = m2.replaceAll("");
displayContent = displayContent.replaceAll("</p>", "");
您当然可以将其用于任何其他 html 标记及其属性。祝你好运！
【讨论】：
<p[^>]*> 部分是我最害怕的部分，它似乎可以满足我的需要，所以谢谢！