Question

我正在寻找一个Javascript正则表达式来查找字符串的结束的开始标记。我想找到所有开始标记（中间没有其他常规文本），只跟其他开放标记或者直到最后没有字符串。

示例字符串：sdsThis is a test. ;

期望的结果

编辑：澄清一下：我必须处理包含部分html内容的字符串。它本身并不是有效的html。因此我无法在dom节点上运行。由于我处于一个非常特殊的环境中，我没有嵌套标签也没有无效标签 - 只是常规内联标签（甚至只有u,b,i,span,sup,sup,img,br）。

我对不包括正则表达式的解决方案持开放态度，但我无法在此处使用dom节点。

Answer 1

这不仅仅是你应该 - 你不能。正则表达式可以捕获组并在字符串中稍后再次查找它们，因此理论上您可以找到匹配的HTML标记。找出哪些没有匹配 - 或试图在不符合的HTML代码中找到标签对 - 似乎相当复杂。您还需要忽略所有属性和属性名称。这很快就会失控。

但是当Regex显然无法为你解决这个问题时，你可能会有多个相同的标签，以及你可能有无效的交叉标签，例如Sample text。我不认为有可能解决每一个异常情况，但我认为可以说，如果可以在一个正则表达式中进行，那么运行并永远写入会花费很多时间。

另外，如果你需要检测没有结尾/>的自动关闭元素，那么考虑到偶尔将新元素添加到HTML并且你的代码无法处理，这会使事情变得更糟糕和他们一起。

如果你想修复一些东西，最好的办法是使用DOM操作。或者首先创建好的HTML。

编辑：即使是格式良好的文档也无法使用，因为当一行中存在多个相同标记的实例时，无法找到哪个标记匹配。示例：http://regexr.com/3c2mb

Answer 2

您正在寻找的模式是：

(?:<(?!(?:[hb]r|img|link|other_self_closing_tags)\b)\w+\b[^">]*(?:"[^"]*"[^">]*)*>)+$

细节：

(?:
    <                # start of the tag
    (?!  # lookahead assertion (not followed by)
        (?:[hb]r|img|link|other_self_closing_tags)
        \b # word boundary
    )
    \w+ \b # tag name
    [^">]* # all that is not a " or a >
    (?:"[^"]*"[^">]*)* # quoted substrings (to deal with attributes)
    >
)+
$   # end of the string

Javascript正则表达式在字符串末尾找到开始标记

2 个答案: