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(
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:
[\w]+)[^>]*?>((?[^>]*>)|\k>(?)|.*?)*\k>
如果只想匹配div标签,可以使用下面的正则表达式:
div)[^>]*?>((?[^>]*>)|\k>(?)|.*?)*\k>
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:
(div|span|h1))[^>]*?>((?[^>]*>)|\k>(?)|.*?)*\k>
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:
[\w]+)[^>]*\s[iI][dD]=(?["‘]?)footer(?(Quote)\k)[^>]*?(/>|>((?[^>]*>)|\k>(?)|.*?)*\k>)
这个正则匹配任意id为footer的HTML标签
div测试
222
33di333
//div)[^>]*?>((?[^>]*>)|\k>(?)|.*?)*\k>
匹配结果:(1) 、(4)
//div)[^>]*?>((?[^>]*>)|\k>(?)|.*?|\s)*\k>
匹配结果:(1) 、(2)、(4)
//
匹配结果:(1) 、(4)
//
匹配结果:(1) 、(3)、(4)
//
根据包还内容确定结果。
注意:正则前面变为
工具下载:https://pan.baidu.com/s/1kVsaqwv