正則匹配閉合HTML標籤（支持嵌套）

任何複雜的正則表達式都是由簡單的子表達式組成的，要想寫出複雜的正則來，一方面須要有化繁爲簡的功底，另一方面，咱們須要從正則引擎的角度去思考問題。關於正則引擎的原理，推薦《Mastering Regular Expression》中文名叫《精通正則表達式》。挺不錯的一本書。

OK，先肯定咱們要解決的問題——從一段Html文本中找出特定id的標籤的innerHTML。

這裏面最大的難點就是，Html標籤是支持嵌套的，怎麼可以找到指定標籤相對應的閉合標籤呢？

咱們能夠這樣想，先匹配最前面的起始標籤，假設是div吧（<div），接着一旦遇到嵌套div，就「壓入堆棧」，後面若是遇到div閉合標籤了，就「彈出堆棧」。若是遇到閉合標籤的時候，堆棧裏面已經沒有東西了，那麼匹配結束，此結束標籤爲正確的閉合標籤。

我之因此可以這樣去思考，是由於我瞭解過正則的特性，我知道正則中的平衡組可以實現我剛纔說的「堆棧」操做。因此，若是咱們要編寫複雜正則表達式，須要對正則的一些高級特性至少有所瞭解，這樣咱們思考問題纔有個方向。

================================

匹配任意閉合HTML標籤的正則表達式：

<(?<HtmlTag>[\w]+)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

 

若是隻想匹配div標籤，能夠使用下面的正則表達式：

<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

是的，你能夠把div修改爲任意你想要匹配的HTML標籤

 

若是想同時匹配多個HTML標籤，能夠使用下面的正則表達式：

<(?<HtmlTag>(div|span|h1))[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>

你還能夠繼續添加更多要匹配的標籤

 

若是想匹配包含ID的標籤，能夠使用下面的正則表達式：

<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["']?)footer(?(Quote)\k<Quote>)[^>]*?(/>|>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>)

這個正則匹配任意id爲footer的HTML標籤

 

 

本文不徹底轉載了http://www.imkevinyang.com/2009/07/使用正則表達式匹配嵌套html標籤.html的內容