从字符串中提取HTML标记名称

Question

我想从带有属性的HTML标记中提取标记名称。

例如，我有这个标签

 <a href="http://chat.stackoverflow.com" class="js-gps-track"     data-gps-track="site_switcher.click({ item_type:6 })"
>

我需要提取标记名a

我尝试了以下正则表达式，但它不起作用。

if ( $raw =~ /^<(\S*).*>$/ ) {
   print "$1 is tag name of string\n";
}

我的代码出了什么问题？

Answer 1

您的正则表达式与新行不匹配。你必须使用s标志（单行），但由于你的正则表达式是贪婪的，它也不会起作用，我也会删除锚点，因为它可能是同一行中的几个标签。

你可以使用这样的正则表达式：

<(\w+)\s+\w+.*?>

<强> Working demo

支持Borodin的评论，你不应该使用正则表达式解析html，因为你可能面临解析问题。您可以使用正则表达式来解析简单标记，但如果您的文本包含<a asdf<as<asdf>df>>等嵌入标记，则可以很容易地将其解析，在这种情况下，正则表达式将与标记a

匹配

这个正则表达式背后的想法是强制标签至少有一个属性

Answer 2

let matchTagName = (markup) => {
  const pattern = /<([^\s>]+)(\s|>)+/
  return markup.match(pattern)[1]
}

matchTagName("<test>") // "test"
matchTagName("<test attribute>") // "test"
matchTagName("<test-dashed>") // "test-dashed"

Answer 3

您还可以尝试以下方法;它将匹配标签名称（总是）+属性（如果存在）。

\≤（？＆LT;名称＆gt; \ W +）（？＆LT;属性＆GT; \ S + [^＆GT;] * |）＆GT;