Question

我必须解析HTML文本并从表tr td中取出所有iframe，脚本和输入元素以及宽度属性。最后我必须在内部寻找tr widthout td（嵌套）

我的正则表达式是这样的：

<tr>[^<td>]*<\/tr>|<script[^<]*>.*[\s\S]*<\/script>|
<iframe[^<]*>.*[\s\S]*<\/iframe>|
 <(?:table|td|tr)[^<>]+style\s*=\s*(?:"|').*width(?:=|\:)\w*\W?(?:"|')|<(?:table|td|tr)  [^<>]+width\s*(?:=|:)\s*(?:"|')?\w*(?:"|')?

第一次看没有嵌套TD的TR，第二次查找iframes元素，第三次查找TABLE | TD | TR，样式属性包含宽度样式或TABLE | TD | TR直接使用width属性

我的问题：

我正在使用regex101.com生成的以下Javascript代码：

    while ((m = re.exec(st)) != null) {
            if (m.index === re.lastIndex) {
                re.lastIndex++;
            }

if(m.search(...)){}else if(m.search(...))else ...

问题是在if语句中我必须知道找到了哪种模式，没有嵌套TD的TR？是iframe吗？宽度属性是？如何优化代码而不必使用这种逻辑？捕获群组？

此文本插入网页的textarea字段中，因此有时可能只是普通文本，问题是用户在不知道文本区域的情况下复制和粘贴html代码。

Answer 1

您无法使用正则表达式解析HTML。如果您使用的是JavaScript，可以考虑使用documentFragment来操作DOM元素。

RegEx match open tags except XHTML self-contained tags

最佳正则表达式方法

1 个答案: