がこのように基本的に不要なテキストの正規表現

Question

よし退治私はとのトラブルを抱えています。これは、次のとおりです。 私は、簡略化され、この

<a class="l _HId" href="http://www.cnbc.com/2016/07/28/royal-dutch-shell-second-quarter-net-profit-comes-in-at-118-billion.html" onmousedown="return rwt(this,&#39;&#39;,&#39;&#39;,&#39;&#39;,&#39;1&#39;,&#39;AFQjCNHzDJMd9KzNaZJKrec-FAMNdP8ujw&#39;,&#39;mb_qkV1ZFbNFLJBX-JNceA&#39;,&#39;0ahUKEwiwmbPolJbOAhVJ6xQKHT1QDFkQqQIIGigAMAA&#39;,&#39;&#39;,&#39;&#39;,event)">Shell sees quarterly profits plummet 70% as low <em>oil price</em> bites</a> 

のように見える文字列を持っているが、その本質的のようになります。

<a class="l _HId" href="Link" onmousedown="some gibberish">The String that I need <em>I am guessing this is what I searched</em> bites</a> 

誰かが新しいものをどのように達成できるかは非常に役に立ちました。どんな形の助けでも大歓迎です。

ありがとうございます。

Answer 1

は確かにこのリンクポストはすべての私の質問に答え：

RegEx match open tags except XHTML self-contained tags

正規表現でHTMLを解析すると最高のアイデアではないように見えます。