17-应用实例:提取HTML标签 修剪空白字符

1. 正则表达式应用实例

下面一系列文章中我会介绍许多正则表达式的使用模式和应用实例，它们在实际工作中非常有用。每一个例子中所使用的正则特性都已经在之前的文章中介绍过。如果你想查看这些特性的具体介绍，你可以点击文章中的链接。

对于正则的初学者而言，学习这些应用实例可以让你知道正则表达式能胜任什么样的工作。正则表达式的功能非常强大。虽然学习正则表达式略有难度，但是正则表达式可以高效的完成字符搜索，节约大量开发时间。

2. 提取HTML标签

<TAG\b[^>]*>(.*?)</TAG>可以匹配一对HTML标签，标签内的内容会保存到第1个回溯引用。表达式中的?是的*成为一个惰性匹配，也就是说它会在字符串的首个闭合标签前停止，而不是在最后闭合标签前停止。这个表达式无法匹配嵌套的标签，例如<TAG>one<TAG>two</TAG>one</TAG>。

<([A-Z][A-Z0-9]*)\b[^>]*>(.*?)</\1>可以匹配任意的一对HTML标签。注意你需要关闭大小写敏感。这个表达式的关键是回溯引用\1。标签之间的内容会保存在第2个回溯引用中。这个方法同样不能匹配嵌套了相同标签的字符串。

修剪空白字符

通过正则匹配和替换，你可以快速的修剪文本中的空白，包括字符串的开头和结尾处的空白字符，以及文件中的空白字符。你可以使用^[ \t]+匹配字符串开头的空白字符（空格和制表符）。[ \t]+$可以匹配结尾的空白字符。你可以把这两个表达式通过选择符组合起来，也就是^[ \t]+|[ \t]+$。你可使用字符集取代[ \t]，这样就可以任何你想匹配的空白字符，例如[ \t\r\n]可以匹配换行符。你也可以使用字符集的缩写，例如[\s]。

---

如果文章出现错误，请给我提Issues - -
Github地址

原文