如何用正则从HTML表格每行第4个<td>标签开始删除内容？

你需要处理PowerShell生成的已安装软件列表HTML，要删掉每行<tr>里从第4个<td>开始的所有内容，只保留前3个<td>和<tr>的结构对吧？先看你给的原始HTML行示例：

<tr><td>Adobe Acrobat Reader DC</td><td>18.009.20050</td><td>20171130</td><td>kratos.kcprod1.com</td><td>4104917a-93f2-46e5-941a-c4efd54504b7</td><td>True</td></tr>
<tr><td>Adobe Flash Player 28 ActiveX</td><td>28.0.0.137</td><td></td><td>kratos.kcprod1.com</td><td>4104917a-93f2-46e5-941a-c4efd54504b7</td><td>True</td></tr>

原来的正则问题分析 #

你用的(?<=<td>)(.*)(?=<\/tr>)会选中整行，是因为这个正则从第一个<td>的结束位置开始，一直匹配到</tr>前的所有内容，没有限制匹配起点是第4个<td>，范围太宽泛了。

正确的正则表达式 #

试试这个正则来匹配你需要删除的部分：

(<td>.*?<\/td>){3}\K.*?(?=<\/tr>)

我给你拆解下每个部分的作用：

• (<td>.*?<\/td>){3}：精准匹配前3个完整的<td>单元格，{3}指定匹配次数，.*?是非贪婪匹配，避免把多个<td>内容当成一个整体匹配
• \K：这个是核心技巧，它会忽略掉前面已经匹配到的内容（也就是前3个<td>），只把后面的内容作为最终匹配结果
• .*?(?=<\/tr>)：匹配从第4个<td>开始到</tr>前的所有内容，同样用非贪婪匹配防止跨行匹配错误

替换时直接把匹配到的内容换成空字符串，就能得到你想要的结果：只保留前3个<td>和<tr>的首尾标签。

更高效的优化方案：从源头避免额外处理 #

其实你完全不用生成HTML后再用正则修改，直接在PowerShell脚本里就能生成只包含需要列的HTML！看你现在的脚本最后是Select-Object -Property DisplayName, DisplayVersion, InstallDate | ft，这里的ft（Format-Table）可能会额外生成一些PowerShell默认的列，导致HTML里多出不需要的单元格。

改成用ConvertTo-Html直接生成指定列的HTML，一步到位：

| Select-Object -Property DisplayName, DisplayVersion, InstallDate | ConvertTo-Html -Property DisplayName, DisplayVersion, InstallDate -Title "已安装软件列表"

这样生成的HTML表格就只有你需要的三列，完全不用再做后续的正则修改，既高效又不容易出错。

内容的提问来源于stack exchange，提问作者obs0lete