任何復雜的正則表達式都是由簡單的子表達式組成的，要想寫出復雜的正則來，一方面需要有化繁為簡的功底，另外一方面，我們需要從正則引擎的角度去思考問題。關于正則引擎的原理，推薦《Mastering Regular Expression》中文名叫《精通正則表達式》。挺不錯的一本書。

OK，先確定我們要解決的問題——從一段Html文本中找出特定id的標簽的innerHTML。

這里面最大的難點就是，Html標簽是支持嵌套的，怎么能夠找到指定標簽相對應的閉合標簽呢？

我們可以這樣想，先匹配最前面的起始標簽，假設是div吧（<div），接著一旦遇到嵌套div，就“壓入堆?！保竺嫒绻龅絛iv閉合標簽了，就“彈出堆?！薄Ｈ绻龅介]合標簽的時候，堆棧里面已經沒有東西了，那么匹配結束，此結束標簽為正確的閉合標簽。

我之所以能夠這樣去思考，是因為我了解過正則的特性，我知道正則中的平衡組能夠實現(xiàn)我剛才說的“堆?！辈僮?。所以，如果我們要編寫復雜正則表達式，需要對正則的一些高級特性至少有所了解，這樣我們思考問題才有個方向。

匹配任意閉合HTML標簽的正則表達式：

<(?<HtmlTag>[\w]+)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

如果只想匹配div標簽，可以使用下面的正則表達式：

<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

是的，你可以把div修改成任意你想要匹配的HTML標簽

如果想同時匹配多個HTML標簽，可以使用下面的正則表達式：

<(?<HtmlTag>(div|span|h1))[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

你還可以繼續(xù)添加更多要匹配的標簽

如果想匹配包含ID的標簽，可以使用下面的正則表達式：

<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["']?)footer(?(Quote)\k<Quote>)[^>]*?(/>|>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>)

這個正則匹配任意id為footer的HTML標簽

腳本之家小編補充：

正則 \k

你也可以自己指定子表達式的組名。要指定一個子表達式的組名，請使用這樣的語法：(?<Word>\w+)(或者把尖括號換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個分組捕獲的內容，你可以使用\k<Word>,所以上一個例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。

有,但是是跟<>配合用的,詳見下面:
指定子表達式的組名。要指定一個子表達式的組名，請使用這樣的語法：(?<Word>\w+)(或者把尖括號換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個分組捕獲的內容，你可以使用\k<Word>,所以上一個例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。

到此這篇關于正則表達式匹配閉合HTML標簽(支持嵌套)的文章就介紹到這了,更多相關閉合HTML標簽內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論