zoukankan      html  css  js  c++  java
  • 正则匹配闭合HTML标签(支持嵌套)

    任何复杂的正则表达式都是由简单的子表达式组成的,要想写出复杂的正则来,一方面需要有化繁为简的功底,另外一方面,我们需要从正则引擎的角度去思考问题。关于正则引擎的原理,推荐《Mastering Regular Expression》中文名叫《精通正则表达式》。挺不错的一本书。

    OK,先确定我们要解决的问题——从一段Html文本中找出特定id的标签的innerHTML

    这里面最大的难点就是,Html标签是支持嵌套的,怎么能够找到指定标签相对应的闭合标签呢?

    我们可以这样想,先匹配最前面的起始标签,假设是div吧(<div),接着一旦遇到嵌套div,就“压入堆栈”,后面如果遇到div闭合标签了,就“弹出堆栈”。如果遇到闭合标签的时候,堆栈里面已经没有东西了,那么匹配结束,此结束标签为正确的闭合标签

    我之所以能够这样去思考,是因为我了解过正则的特性,我知道正则中的平衡组能够实现我刚才说的“堆栈”操作。所以,如果我们要编写复杂正则表达式,需要对正则的一些高级特性至少有所了解,这样我们思考问题才有个方向。

    ================================

    匹配任意闭合HTML标签的正则表达式:

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

     

    如果只想匹配div标签,可以使用下面的正则表达式:

    <(?<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标签

     

    如果想同时匹配多个HTML标签,可以使用下面的正则表达式:

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

    你还可以继续添加更多要匹配的标签

     

    如果想匹配包含ID的标签,可以使用下面的正则表达式:

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

    这个正则匹配任意id为footer的HTML标签

     

     

    本文不完全转载了http://www.imkevinyang.com/2009/07/使用正则表达式匹配嵌套html标签.html的内容

  • 相关阅读:
    【车】汽车X40保养
    【Teradata SQL】使用SQL将多个逗号分隔改为一个逗号分隔
    【Teradata】并行操作工具
    【Linux常见问题】SecureCRT 终端连接密钥交换失败错误
    【Linux基础】Linux更改系统IP
    【Teradata】块压缩(ferret工具)
    【Teradata】grouping和rollup窗口函数
    HttpClient之EntityUtils工具类
    MYSQL索引优化之单表示例
    MySQL执行计划示例
  • 原文地址:https://www.cnblogs.com/youring2/p/3836259.html
Copyright © 2011-2022 走看看