Sublime删空标签需启用“. matches newline”:用\]\*)>[\s\S]*?跨行匹配成对空标签,否则\]\*>仅删单标签留空白;删后空行需另用^\s*$清理;复杂场景应换Python或BeautifulSoup。

Sublime 里删空标签必须开「. matches newline」
默认状态下 Sublime 的 . 不匹配换行符,所以像 <div></div> 或 <p>\n \t\n</p> 这类含换行、缩进的空标签,用 ]*> 根本抓不住——它只分两次匹配起始和结束标签,中间空白照旧留下。
真正能跨行捕获一对标签之间内容的写法是:]*)>[\s\S]*?\1>,但前提是勾选「. matches newline」(Find 窗口右下角小图标)。否则 [\s\S]*? 里的 \S 虽能吞换行,但反向引用 \1 在非跨行模式下容易失效或漏配。
为什么 ]*> 对空标签完全无效
这个正则只认单个标签片段:它把 <div></div> 当作两个独立目标,分别删掉,结果留下裸露的换行和空格,视觉上还是“空”,但已不是 HTML 结构了。
更麻烦的是:
• 遇到 <div> </div>,它删完只剩一个空格,无法识别语义上的“空”
• 中间有注释如 <div><!-- x --></div>,它照样删标签,留下注释垃圾
• 自闭合标签如 <img alt="HTML批量删除空白标签的正则教程" > 或
<br>完全不在这条规则覆盖范围内
所以它适合清理单标签,不适合判断“是否成对且中间无有效内容”。
删完空标签后还剩一堆空行?得补一刀 ^\s*$
正则只负责删标签,不管标签之间的空白。原始 HTML 是 <div>\n<p></p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill13837" title="htmlq 命令行 HTML 内容提取器,支持 CSS 选择器"><img
src="https://img.php.cn/upload/skill/001/246/273/6adaf20d3191a227.jpg" alt="htmlq 命令行 HTML 内容提取器,支持 CSS 选择器" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill13837" title="htmlq 命令行 HTML 内容提取器,支持 CSS 选择器">htmlq 命令行 HTML 内容提取器,支持 CSS 选择器</a>
<p>htmlq 是一个命令行工具,使用 CSS 选择器从 HTML 中提取内容,相当于 jq 的 HTML 版本。该工具使用 Rust 编写,允许你通过 CSS 选择器将 HTML 管道化,直接从终端提取文本、属性和结构化内容。</p>
</div>
<a href="/xiazai/skill13837" title="htmlq 命令行 HTML 内容提取器,支持 CSS 选择器" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div>\n</div>,删完变成 \n\n\n——三行空行。
这时要关掉「. matches newline」,再跑一次:
• 查找:^\s*$
• 替换:留空
注意:\s 在 Notepad++/Sublime 里默认包含 \r、\n、\t 和空格,所以这条能清掉所有“伪空行”。
如果想保留段落间距(比如两个 <p></p> 之间该有一个空行),就别全删,改用:\s*\r?\n\s*\r?\n → \n\n,压缩连续空行为双换行。
立即学习“前端免费学习笔记(深入)”;
批量处理前先确认文件规模和结构复杂度
Sublime 的跨行正则在「Find in Files」里极不稳定:文件超过 200KB、含大量 <script></script> 或条件注释(如 <!--[if]--><div>)、或嵌套 <code><pre class="brush:php;toolbar:false;"></pre> 时,匹配会漏甚至卡死。
这时候该换工具:
• 简单清洗:用 Python 脚本调 re.sub() + strip_tags() 组合更可控
• 复杂富文本(微信导出、邮件正文):直接上 BeautifulSoup 解析 DOM,判断 tag.get_text(strip=True) == '' 再删节点,安全且语义准确
• 大量文件自动化:用 MinerU 引擎做预处理,它专为 Word/HTML 混合结构设计,能保留段落层级,不是硬删了事


















