拆分html，包括使用正则表达式拆分ul标签

Question

我正在用\\b(\\w+(?![^<>]*>))\\b用单词分割HTML块

var html = splitParagraph.html();
var splitHtml = html.split(/\b(\w+(?![^<>]*>))\b/);

我正在执行此操作的HTML类似于以下内容：

                <h2>Lorem</h2><br>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor<br>
<br>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor<br>
<br>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor<br>
<br>
[Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor]<br>
<br>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor:<br>
<ul><br>
    <li>Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor</li><br>
    <li>Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor</li><br>
    <li>Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor</li><br>
</ul><br>
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor<br>
<br>

您可以在这里看到它的工作： http : //www.regexpal.com/?fam=95537

但是，我要做的是使正则表达式在拆分时也包含ul标签，以便在数组中看起来像["lorem", " ", "ipsum", "<ul><li>lorem</li><li>ipsum</li><li>blah</li></ul>"] （请注意，ul是它自己的项）。 因此，它不会在ul内部拆分任何内容，而只是继续执行ul之后的内容。

我知道我可以使用\\s*<ul[^>]*>[\\S\\s]*?<\\/ul>\\s*来匹配ul ，（感谢ref ），但是我不确定如何结合这两个。

Answer 1

您可以尝试/\\<ul\\>[\\w\\W]+\\<\\/ul\\>|\\b(\\w+(?![^<>]*>))\\b/g ，但我确保有一个较小的解决方案，因为该解决方案仅与您的原始匹配以及<ul>和</ul>标记之间的所有内容匹配。

我建议不要使用这种结构，因为它很难维护或扩展。 任何用例将如何处理该结果数组？ 也许有更好的选择。

编辑：如图所示，您可以只将两个正则表达式与|一起加入|