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,需要的朋友可以參考下
任何復(fù)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(fù)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(guān)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(yīng)的閉合標簽?zāi)兀?/p>
我們可以這樣想，先匹配最前面的起始標簽，假設(shè)是div吧（<div），接著一旦遇到嵌套div，就“壓入堆棧”，后面如果遇到div閉合標簽了，就“彈出堆棧”。如果遇到閉合標簽的時候，堆棧里面已經(jīng)沒有東西了，那么匹配結(jié)束，此結(jié)束標簽為正確的閉合標簽。< p="">
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?qū)崿F(xiàn)我剛才說的“堆棧”操作。所以，如果我們要編寫復(fù)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：
<(?[\w]+)[^>]*?>((?<\k[^>]*>)|>(?<-Nested>)|.*?)*>
如果只想匹配div標簽，可以使用下面的正則表達式：
<(?div)[^>]*?>((?<\k[^>]*>)|>(?<-Nested>)|.*?)*>
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：
<(?(div|span|h1))[^>]*?>((?<\k[^>]*>)|>(?<-Nested>)|.*?)*>
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：
<(?[\w]+)[^>]*\s[iI][dD]=(?["']?)footer(?(Quote)\k)[^>]*?(/>|>((?<\k[^>]*>)|>(?<-Nested>)|.*?)*>)
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：(?\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(nèi)容，你可以使用\k,所以上一個例子也可以寫成這樣：\b(?\w+)\b\s+\k\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：(?\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(nèi)容，你可以使用\k,所以上一個例子也可以寫成這樣：\b(?\w+)\b\s+\k\b。
到此這篇關(guān)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(guān)閉合HTML標簽內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
來源：腳本之家
鏈接：https://www.jb51.net/article/181299.htm
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
