所以我还在研究这个解析器。今天我发现一个带有<st1:place w:st="on">标记的文档，Google告诉我这是一个Microsoft Office智能标记。
我想把这些东西扔掉，但我找不到它们是什么或有多少？
如果它们都遵循<...:...>模式，那么使用regex很容易删除它们。
文档没有doctype和.jsp扩展名，但所有内容都在两个<html>标记之间，而且无论beast是多么不标准，我仍然需要解析它。
好吧，这其实不是什么大问题，但它摆脱了我的格式和错误我。
最佳答案
这个regexp应该可以做到：
/<[:alnum:]+:[\s\S]*>/
它将触发任何以或者：
/<\s*[:alnum:]+:[\s\S]*>/
将允许更宽松的标记格式化程序（开口