我正在尝试创建Markdown-to-HTML解析器。我试图使用正则表达式来匹配可能包含或不包含HTML标记和空格/换行符的输入字符串。我遇到了一个我根本不理解的有趣案例。
我的正则表达式是regex = /\*([\w\s]+|<.+>)\*/g。
以下作品：
'*words\nmorewords*'.match(regex)
'*<b>words</b>*'.match(regex)
然而，这不起作用：
'*<b>words\nmore words</b>*'.match(regex)
如果有人能帮助我理解为什么会这样，我会很感激。
编辑：感谢Ry，我看到了我错误的逻辑。表达式regex = /\*(<[a-z]+>)?[\w\s]+(<\/[a-z]+>)?\*/g解决了这种情况。
答案 0 :(得分：1)
这应该适用于您的目的：
\*(<.+>)?([\w\s]+)(<.+>)?\*
HTML标记是否存在(<.+>)?。 \n与\s（空白）匹配。
我还要链接规范的don't parse HTML with regex答案，因为正则表达式不适合（或甚至不能）在相当有限的子集之外解析HTML。读一读，它的内容丰富（而且有趣）！
回想Chomsky Heirarchy。正则表达式可以解析常规语言。 HTML不是常规语言（它是下一级，上下文敏感）。
一些正则表达式引擎有扩展，可以提供递归功能。您可以使用这些解析HTML，但有更好的方法，例如使用适当的HTML解析器，例如DOMParser。