我正在创建一个正则表达式，我只想匹配错误的标签，如：<p> *some text here, some other tags may be here as well but no ending 'p' tag* </p>
<P>Affectionately Inscribed </P><P>TO </P><P>HENRY BULLAR, </P><P>(of the western circuit)<P>PREFACE</P>
在上面的相同文字中，我希望得到<P>(of the western circuit)<P>的结果，并且不应该捕获任何其他内容。我正在使用它，但它不起作用：
<P>[^\(</P>\)]*<P>
请帮忙。
答案 0 :(得分：7)
正则表达式并不总是xml / html类型数据的好选择。特别是，属性，区分大小写，注释等都会产生很大的影响。
对于xhtml，我使用XmlDocument / XDocument和xpath查询。
对于“非x”html，我会查看HTML Agility Pack和相同的内容。
答案 1 :(得分：1)
匹配第一组：
(?:<p>(?:(?!<\/?p>).?)+)(<p>)
匹配第二个<p>：
<P>(of the western circuit)<P>PREFACE</P>
注意：我通常会说：“不要用正则表达式做HTML，而是使用解析器”。但我不认为解决方案可以解决具体问题，解析器可能只是忽略/透明地处理无效标记。
答案 2 :(得分：1)
我知道在这种情况下发生这种情况不太可能（或者甚至是html合法的？），但是通用的未封闭的xml-tag解决方案将非常困难，因为您需要考虑嵌套标签会发生什么，例如
<p>OUTER BEFORE<p>INNER</p>OUTER AFTER</p>
我很确定到目前为止给出的正则表达式会匹配第二个<p>，即使它实际上并不是一个未闭合的<p>。
答案 3 :(得分：0)
不是使用*进行最大匹配，而是使用*?进行最小化。
应该能够以
开头<P>((?!</P>).)*?<P>
这使用负前瞻断言来确保在“<P>”匹配之间的每个点都不匹配结束标记。
编辑：更正了断言（感谢评论者）。
答案 4 :(得分：0)
到目前为止提供的所有解决方案都匹配第二个＆lt; P＆gt;，但这是错误的。如果有两个连续的＆lt; P＆gt;怎么办？没有关闭标签的元素？第二个匹配将不匹配，因为第一个匹配吃了它的开始标记。你可以像我在这里一样使用前瞻来避免这个问题：
@"<p\b(?>(?:[^<]+|<(?!/?p>))*)(?=<p\b|$)"
至于其余部分，我使用了“非初始或非其余”技术以及原子组来尽可能有效地引导正则表达式匹配（更重要的是，尽快失败）可能，如果它会去。）