Question

我对此进行了相当多的研究，但是找不到一个如何匹配嵌套的html标签与属性的工作示例。我知道可以在没有属性的情况下匹配平衡/嵌套的最内层标签（例如正则表达式为#<div\b[^>]*>(?:(?> [^<]+ ) |<(?!div\b[^>]*>))*?</div>＃x）。

但是，我希望看到一个正则表达式模式，它找到一个带有属性的html标记对。

示例：它基本上应匹配

<div class="aaa"> **<div class="aaa">** <div> <div> </div> **</div>** </div>

而不是

<div class="aaa"> **<div class="aaa">** <div> <div> **</div>** </div> </div>

有人有想法吗？

出于测试目的，我们可以使用：http://www.lumadis.be/regex/test_regex.php

PS。史蒂文在他的博客中提到了一个解决方案（实际上是在评论中），但它不起作用

http://blog.stevenlevithan.com/archives/match-innermost-html-element

$regex = '/<div\b[^>]+?\bid\s*=\s*"MyID"[^>]*>(?:((?:[^<]++|<(?!\/?div\b[^>]*>))+)|(<div\b[^>]*>(?>(?1)|(?2))*<\/div>))?<\/div>/i';

Answer 1

RegEx match open tags except XHTML self-contained tags

事实上，这绝对是不可能的。 HTML有一些独特的，神奇的东西，它不受RegEx的影响。

Answer 2

我构建了一个简短的python脚本来解决管理嵌套标签的问题。它与html和其他可怕的嵌套语法一样快乐地运行，作为维基代码。我是为了避免正则表达式而编写的！我根本无法理解它们。 :-(。我把这个函数用于任何东西，它对html和xml运行得非常好。它也很快，因为它只使用基本的字符串搜索。我很高兴知道正则表达式无法帮助。:-) < / p>

如果你们有兴趣的话，我想分享这个剧本;但请注意，我不是程序员，我认为这个问题已经解决了很长时间了！

你可以在我的谈话页面找到我。来源：http://it.wikisource.org/wiki/Discussioni_utente:Alex_brollo

Answer 3

匹配<div>＆amp;的最内部匹配对</div>代码及其属性＆amp;含量：

#<div(?:(?!(<div|</div>)).)*</div>#s

这里的关键是(?:(?!STRING).)*是字符串，[^CHAR]*是字符。

信用：https://stackoverflow.com/a/6996274

PHP中的示例：

<?php

$text = <<<'EOD'
<div id="1">
  in 1
  <div id="2">
    in 2
    <div id="3">
      in 3
    </div>
  </div>
</div>
<div id="4">
  in 4
  <div id="5">
    in 5
  </div>
</div>
EOD;

$matches = array();
preg_match_all('#<div(?:(?!(<div|</div>)).)*</div>#s', $text, $matches);

foreach ($matches[0] as $index => $match) {
  echo "************" . "\n" . $match . "\n";
}

输出：

************
<div id="3">
      in 3
    </div>
************
<div id="5">
    in 5
  </div>

Answer 4

您可以使用相同的正则表达式来递归地执行此操作，但需要时执行。像这样：

function htmlToPlainText(html) {
    let text = html || ''

    // as there is html nested inside some html attributes, we need a recursive strategy to clean up the html
    while (text !== (text = text.replace(/<[^<>]*>/g, '')));

    return text
  }

这适用于以下情况：

<p data-attr="<span>Oh!</span>">Lorem Ipsum</p>

我在这里找到此脚本：http://blog.stevenlevithan.com/archives/reverse-recursive-pattern

嵌套标签的正则表达式（最内层使其更容易）

4 个答案: