Question

我试图用空格将字符串拆分成一个单词数组。如果字符串包含HTML标记，我希望将完整标记（包括内容）视为单个单词。

例如，

I like to eat <a href="http://www.waffles.com/">tasty delicious waffles</a> for breakfast

应分成

I
like
to
eat
<a href="http://www.waffles.com/">tasty delicious waffles</a>
for
breakfast

我在Stack Overflow上看到了几个相关的线程，但是我无法适应Javascript，因为它们是针对我不太熟悉的语言编写的。是否存在可以轻松执行此操作的正则表达式，或者解决方案是否需要多个正则表达式拆分和迭代？

感谢。

Answer 1

result = subject.match(/<\s*(\w+\b)(?:(?!<\s*\/\s*\1\b)[\s\S])*<\s*\/\s*\1\s*>|\S+/g);

如果您的标签无法嵌套，所有标签都已正确关闭，并且当前标签名称未出现在评论，字符串等中，则

将起作用。

<强>解释

<\s*            # Either match a < (+ optional whitespace)
(\w+\b)         # tag name
(?:             # Then match...
 (?!            # (as long as it's impossible to match...
  <\s*\/\s*\1\b # the closing tag here
 )              # End of negative lookahead)
 [\s\S]         # ...any character
)*              # zero or more times.
<\s*\/\s*\1\s*> # Then match the closing tag.
|               # OR:
\S+             # Match a run of non-whitespace characters.

Answer 2

单独使用regexp很难或不可能（取决于您希望/需要允许的HTML的复杂性）。

相反，迭代父节点的子节点并在它们是文本节点时将它们拆分，或者如果它们是非文本节点则不加修改地打印它们。

按空格拆分字符串（包含标签）而不破坏标签或在Javascript中标记内部html

2 个答案: