正则的回溯引用

Q：将下面HTML片断中正确的标题标签(<h1>到<h6>)及其包含的内容匹配出来

<h1>我是H1</h1>
<div>我是div</div>
<h2>我是H2</h2>
<span>我是span</span>
<h3>我是H3</h3>
<h3>我是错误的H3</h4>
<h4>我是H4</h4>
复制代码

概述

上述这个问题的难点包括：

1. 必须匹配每一个<h1>到<h6>
2. 不能将包含在两个标题标签内的标签匹配到，如<span>我是span</span>
3. 不能匹配格式不正确的标题标签，如<h3>我是错误的H3</h4>

对于第二点，比较好解决，只要在一对标签内采用懒惰性的匹配就可以避免。可是对于第一和第三点，就须要借用正则的回溯引用了

正则的回溯引用

回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式，且只能用来引用模式里的子表达式（子表达式即用元字符(和)括起来的部分）。简单理解，能够将回溯引用想象成对变量的引用。

使用方法

\1表示引用第1个子表达式，\2表示引用第2个子表达式，以此类推（一般，回溯引用从1开始匹配）。

注意事项

因为子表达式是按照其在表达式中的相对位置来引用的，所以有个很差之处在于，一旦改变了子表达式的相对位置，很容易引发正则的回溯引用失效。

答案来了

OK，如今就能够给出文章开头问题的答案了：

<[hH]([1-6])>.*?</[hH]\1>
复制代码

其中\1指回溯引用第一个子表达式，即引用([1-6])。且开闭标签内采用懒惰性的匹配.*?，而不是贪婪式的.*。