HTML标记的反向匹配

Question

使用 NodeJS ，我有以下正则表达式：/<[^>]*>/g与HTML标记匹配： （Live Demo）

我想反转比赛，以便捕捉文字，我尝试negative lookahead方法，没有运气。

修改 我正在避免使用split方法，因为我需要匹配的索引

JS可以吗？

Answer 1

  

JS可以吗？

没有。 HTML可以任意嵌套，这意味着你需要递归才能使用正则表达式来使用它 - 这是JavaScript正则表达式所没有的。

假设你可以抛弃JS并使用支持PCRE的语言，那么由Cthulhu 正则表达式编写的这个怪异的一堆难以理解的字符可以解决问题（mandatory regex101 link）（注意它不是处理CDATA）：

<!--[\s\S]*?-->|<([a-z]+)(?:\s\S+?=(["']|)[\s\S]*?\2)*>((?:[\s\S]*?(?R)?)*)<\/\1>

以下是它的工作原理：

• <!--[\s\S]*?-->|用于防止评论导致误报
• <([a-z]+)(?:\s\S+?=(["']|)[\s\S]*?\2)*>是开头标记，其中
  • ([a-z]+)是标记名称（请注意捕获组 - 我们将在结束标记中使用它）
  • (?:\s\S+?=(["']|)[\s\S]*?\2)*是属性，在哪里
    • \s是用于将属性与标记名称相互分隔的空格字符
    • \S+?=是属性名后跟一个等号（请注意延迟量词 - 我们需要它，因为\S包含=）
    • (["']|)[\s\S]*?\2是值，可以用双引号，单引号或任何内容括起来
• ((?:[\s\S]*?(?R)?)*)是标记之间的文字（注意捕获组 - 它正是您所需要的，并将显示为第3组），其中(?R)?使正则表达式能够处理嵌套构造
• <\/\1>是结束标记，其中\1是标记名称（请记住开始标记中的捕获组）

Answer 2

由于给定的答案没有提供任何解决方案，因此您可以使用以下代码来实现没有嵌套标签的简单[x] html。否则，对于完整的解决方案，请使用HTML解析器。

＆＃13;

＆＃13;

var str = "Lorem ipsum <pre class='a1'>text 1</pre> Lorem ipsum <a href='http://google.com'>text 2</a>";
    str.replace(/<(\w+).*>(.*?)<\/\1>/g, function(match, g1, g2) { console.log(g2); });

＆＃13;

＆＃13;

＆＃13;