任何復(fù)雜的正則表達(dá)式都是由簡(jiǎn)單的子表達(dá)式組成的，要想寫出復(fù)雜的正則來(lái)，一方面需要有化繁為簡(jiǎn)的功底，另外一方面，我們需要從正則引擎的角度去思考問(wèn)題。關(guān)于正則引擎的原理，推薦《Mastering Regular Expression》中文名叫《精通正則表達(dá)式》。挺不錯(cuò)的一本書。
OK，先確定我們要解決的問(wèn)題——從一段Html文本中找出特定id的標(biāo)簽的innerHTML。
這里面最大的難點(diǎn)就是，Html標(biāo)簽是支持嵌套的，怎么能夠找到指定標(biāo)簽相對(duì)應(yīng)的閉合標(biāo)簽?zāi)兀?/p>
我們可以這樣想，先匹配最前面的起始標(biāo)簽，假設(shè)是div吧（div），接著一旦遇到嵌套div，就“壓入堆棧”，后面如果遇到div閉合標(biāo)簽了，就“彈出堆棧”。如果遇到閉合標(biāo)簽的時(shí)候，堆棧里面已經(jīng)沒(méi)有東西了，那么匹配結(jié)束，此結(jié)束標(biāo)簽為正確的閉合標(biāo)簽。
我之所以能夠這樣去思考，是因?yàn)槲伊私膺^(guò)正則的特性，我知道正則中的平衡組能夠?qū)崿F(xiàn)我剛才說(shuō)的“堆?！辈僮?。所以，如果我們要編寫復(fù)雜正則表達(dá)式，需要對(duì)正則的一些高級(jí)特性至少有所了解，這樣我們思考問(wèn)題才有個(gè)方向。
匹配任意閉合HTML標(biāo)簽的正則表達(dá)式：
(?HtmlTag>[\w]+)[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>
如果只想匹配div標(biāo)簽，可以使用下面的正則表達(dá)式：
(?HtmlTag>div)[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>
是的，你可以把div修改成任意你想要匹配的HTML標(biāo)簽
如果想同時(shí)匹配多個(gè)HTML標(biāo)簽，可以使用下面的正則表達(dá)式：
(?HtmlTag>(div|span|h1))[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>
你還可以繼續(xù)添加更多要匹配的標(biāo)簽
如果想匹配包含ID的標(biāo)簽，可以使用下面的正則表達(dá)式：
(?HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?Quote>["']?)footer(?(Quote)\kQuote>)[^>]*?(/>|>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>)
這個(gè)正則匹配任意id為footer的HTML標(biāo)簽
腳本之家小編補(bǔ)充：
正則 \k
你也可以自己指定子表達(dá)式的組名。要指定一個(gè)子表達(dá)式的組名，請(qǐng)使用這樣的語(yǔ)法：(?Word>\w+)(或者把尖括號(hào)換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個(gè)分組捕獲的內(nèi)容，你可以使用\kWord>,所以上一個(gè)例子也可以寫成這樣：\b(?Word>\w+)\b\s+\kWord>\b。
有,但是是跟>配合用的,詳見(jiàn)下面:
指定子表達(dá)式的組名。要指定一個(gè)子表達(dá)式的組名，請(qǐng)使用這樣的語(yǔ)法：(?Word>\w+)(或者把尖括號(hào)換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個(gè)分組捕獲的內(nèi)容，你可以使用\kWord>,所以上一個(gè)例子也可以寫成這樣：\b(?Word>\w+)\b\s+\kWord>\b。
到此這篇關(guān)于正則表達(dá)式匹配閉合HTML標(biāo)簽(支持嵌套)的文章就介紹到這了,更多相關(guān)閉合HTML標(biāo)簽內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
