正则表达式删除 HTML 标记内的多个空格和换行符

Question

一些背景知识：我们正在向 Middleman 项目添加样式指南。它是供其他开发人员使用的，因此我们希望我们的代码示例具有可读性。但是，我们不希望在更改组件时必须在多个地方更新代码。

我们使用redcarpet 进行降价解析和创建代码示例。

<%= partial '../partials/component' %>

```html
    <%= partial '../partials/component' %>
```

然而，这确实留下了非常混乱和不可读的代码示例。我们可以使用htmlbeautifier 很好地清理它们。但我们仍然遇到 HTML 标记内有多个空格和换行符的问题。

通常是这样的：

<article class="default-s-sans teaser-media"

     data-item-ratio="16x9"


    data-background-color="d-blue"

>

我们要删除标记内多余的空格和换行符，即< 和> 之间。但不是在元素之间，所以它应该保持不变：

<div>
    <span class="price">$100</span>
    <span>
       Word     word
    </span>
</div>

我已经收到this far:

html.gsub(/(?<=<)(\s{2,})(?>)/, ' ')

但它只会匹配 < 和 > 之间的空格，前提是两者之间没有其他内容。

如何匹配 < 和 > 之间的空格，但同时允许其他字符？

Answer 1

String#sqeeze 来救援：

squeeze([other_str]*) → new_str

使用为String#count 描述的过程从other_str 参数构建一组字符。返回一个新字符串，其中出现在此集中的相同字符的运行被单个字符替换。如果没有给出参数，则所有相同字符的运行都将替换为单个字符。

"yellow moon".squeeze                  #=> "yelow mon"
"  now   is  the".squeeze(" ")         #=> " now is the"
"putters shoot balls".squeeze("m-z")   #=> "puters shot balls"

Answer 2

您可以使用matchdata object in gsub blocks:

html.gsub(/(?<=<)(.+)(?>)/m) { |match| match.gsub(/\n/, ' ').gsub(/\s+/, ' ') }