如何从Regex捕获组中去除空格与换行符？

问题分析 #

你当前的正则表达式能成功定位电话号码所在的<span>标签内容，但由于匹配范围包含了标签内的换行符和空格，导致捕获结果附带无效空白字符。以下是两种可行的解决思路：

一、优化正则表达式 + 空白字符清理 #

1. 电话号码捕获 #

调整正则表达式精准定位目标内容，再通过替换操作去除所有空白字符：

<b id="PHONE">Phone Number:\s*</b>\s*</span>\s*<span[^>]*>\s*(?<Phone>[^<]+)\s*</span>

• 捕获到Phone分组后，以JavaScript为例清理空白：

  const phoneMatch = html.match(/<b id="PHONE">Phone Number:\s*<\/b>\s*<\/span>\s*<span[^>]*>\s*(?<Phone>[^<]+)\s*<\/span>/s);
  const cleanPhone = phoneMatch?.groups.Phone.replace(/\s+/g, ''); // 最终结果：+32123456789
  

2. 邮箱地址捕获 #

利用邮箱的格式特征，直接匹配纯净的邮箱内容（注意你的HTML代码中邮箱标签存在笔误，/span>应修正为</span>）：

<b id="EMAIL">Email Address:\s*</b>\s*</span>\s*<span[^>]*>(?<Email>[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})\s*</span>

• 该正则可直接捕获到无空白的邮箱：john.doe@gmail.com

二、更可靠的替代方案：DOM解析 #

正则处理HTML容易因结构微调失效，若你的运行环境支持DOM操作，推荐使用DOM解析工具（如Python的BeautifulSoup、浏览器的JavaScript API）：

JavaScript示例 #

// 假设HTML已加载到页面中
const phoneSpan = document.querySelector('#PHONE').parentElement.nextElementSibling;
const cleanPhone = phoneSpan.textContent.replace(/\s+/g, '');

const emailSpan = document.querySelector('#EMAIL').parentElement.nextElementSibling;
const cleanEmail = emailSpan.textContent.trim();

Python示例（使用BeautifulSoup） #

from bs4 import BeautifulSoup

html = '''
<!-- 你的HTML代码 -->
'''
soup = BeautifulSoup(html, 'html.parser')

phone_text = soup.find(id='PHONE').parent.next_sibling.next_sibling.text
clean_phone = ''.join(phone_text.split())

email_text = soup.find(id='EMAIL').parent.next_sibling.next_sibling.text
clean_email = email_text.strip()

内容的提问来源于stack exchange，提问作者Yabuki Joe