正则匹配闭合HTML标签（支持嵌套）

任何复杂的正则表达式都是由简单的子表达式组成的，要想写出复杂的正则来，一方面须要有化繁为简的功底，另一方面，咱们须要从正则引擎的角度去思考问题。关于正则引擎的原理，推荐《Mastering Regular Expression》中文名叫《精通正则表达式》。挺不错的一本书。

OK，先肯定咱们要解决的问题——从一段Html文本中找出特定id的标签的innerHTML。

这里面最大的难点就是，Html标签是支持嵌套的，怎么可以找到指定标签相对应的闭合标签呢？

咱们能够这样想，先匹配最前面的起始标签，假设是div吧（<div），接着一旦遇到嵌套div，就“压入堆栈”，后面若是遇到div闭合标签了，就“弹出堆栈”。若是遇到闭合标签的时候，堆栈里面已经没有东西了，那么匹配结束，此结束标签为正确的闭合标签。

我之因此可以这样去思考，是由于我了解过正则的特性，我知道正则中的平衡组可以实现我刚才说的“堆栈”操做。因此，若是咱们要编写复杂正则表达式，须要对正则的一些高级特性至少有所了解，这样咱们思考问题才有个方向。

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

匹配任意闭合HTML标签的正则表达式：

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

 

若是只想匹配div标签，能够使用下面的正则表达式：

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

是的，你能够把div修改为任意你想要匹配的HTML标签

 

若是想同时匹配多个HTML标签，能够使用下面的正则表达式：

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

你还能够继续添加更多要匹配的标签

 

若是想匹配包含ID的标签，能够使用下面的正则表达式：

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

这个正则匹配任意id为footer的HTML标签

 

 

本文不彻底转载了http://www.imkevinyang.com/2009/07/使用正则表达式匹配嵌套html标签.html的内容