Question

如上所述，我正在尝试使用RegExp将一些html标签转换为其他自定义标签。

我的解决方案无法在嵌套代码中使用，如下所示：

解决方案1：

var str = '<span style=\"font-size: x-large;\"><span style=\"color: red;\">HELLO WORLD</span></span>';
var txt = str.replace(/<span style=\"(font-size|color): (.*?);\">(.*?)<\/span>/gim,"[$2]$3[/$2]");

例外结果：

[x-large][red]HELLO WORLD[/red][/x-large]

实际结果：

[x-large]<span style="color: red;">[/x-large]</span>

解决方案2：

var str = '<span style=\"font-size: x-large;\"><span style=\"color: red;\">HELLO WORLD</span></span>';
var txt = str.replace(/<span style=\"(font-size|color): (.*?);\">(.*?)<\/span>/gim,"[$2]$3[/$2]");
txt = txt.replace(/<span style=\"(font-size|color): (.*?);\">(.*?)<\/span>/gim,"[$2]$3[/$2]");

例外结果：

[x-large][red]HELLO WORLD[/red][/x-large]

实际结果：

[x-large][red]HELLO WORLD[/x-large][/red]

Answer 1

TL; DR。您无法仅使用正则表达式解析任意数量的嵌套HTML标记。您需要对解析的开始标记进行一些记忆才能正确解析结束标记。

注意：您可能能够使用正则表达式解析有限数量的嵌套HTML标记，尽管它很快就会变得一团糟。

为什么我们不能用正则表达式解析HTML？

在Chomsky hierarchy中， HTML是无上下文语言，而正则表达式对应于常规语言。您的正则表达式被编译为有限状态自动机，它们（计算上）不够强大，无法识别无上下文语言。要识别无上下文语言，您需要一个下推自动机。

要解析任意数量的嵌套HTML标记，您需要对已解析的开始标记进行一些记忆才能正确关闭它们。这个内存可以被构造成一个堆栈（你推动打开标签，并弹出关闭标签）。这正是一个下推自动机：带有堆栈的有限状态自动机。

如何使用RegExp转换嵌套的<span>标记

1 个答案: