为什么我的正则表达式不能让HTML标记名起作用？

Question

我尝试使用以下Regex从HTML字符串中获取标记名称：

<(.*)(?:\s+(\S*)=.*)?>.*<\/\1?>

以下是我将其应用于：

的一些HTML

<p><a href="http://www.quackit.com/html/tutorial/html_links.cfm">Example Link</a></p>
<div class="more-info"><a href="http://www.quackit.com/html/examples/html_links_examples.cfm">More Link Examples...</a></div>

正如所料，我得到p和div作为匹配。但由于某种原因，这并没有检测到a。为什么不呢？

Answer 1

这是一个RegEx，用于匹配所有HTML标签，具有以下所有可能性：

sorting

说明：

<(?(?=!--)!--[\s\S]*--|(?(?=\?)\?[\s\S]*\?|(?(?=\/)\/[^.-\d][^\/\]'"[!#$%&()*+,;<=>?@^`{|}~ ]*|[^.-\d][^\/\]'"[!#$%&()*+,;<=>?@^`{|}~ ]*(?:\s[^.-\d][^\/\]'"[!#$%&()*+,;<=>?@^`{|}~ ]*(?:=(?:"[^"]*"|'[^']*'|[^'"<\s]*))?)*)\s?\/?))>

Answer 2

回答“为什么不呢？”： 嵌套的 a标签被认为是。*（任何东西），这意味着你的正则表达式只能匹配第一级标签。 你需要做的是尝试递归地匹配嵌套标签。令人讨厌的是，Javascript没有提供PCRE递归参数（？R），因此处理嵌套问题并不容易。然而，它可以做到。 检查此article