嵌套標簽的正則表達式（最內層使其更容易）

Question

我對此進行了相當多的研究，但找不到如何將嵌套的 html 標簽與屬性匹配的工作示例。 我知道可以在沒有屬性的情況下匹配平衡/嵌套的最內層標簽（例如，正則表達式 for and 將是#<div\\b[^>]*>(?:(?> [^<]+ ) |<(?!div\\b[^>]*>))*?</div> #x)

但是，我希望看到一個正則表達式模式，它可以找到一個帶有屬性的 html 標簽對。

示例：它基本上應該匹配

<div class="aaa"> **<div class="aaa">** <div> <div> </div> **</div>** </div>

並不是

<div class="aaa"> **<div class="aaa">** <div> <div> **</div>** </div> </div>

有人有一些想法嗎？

出於測試目的，我們可以使用： http : //www.lumadis.be/regex/test_regex.php

---

附注。 史蒂文在他的博客中提到了一個解決方案（實際上是在評論中），但它不起作用

http://blog.stevenlevithan.com/archives/match-innermost-html-element

$regex = '/<div\b[^>]+?\bid\s*=\s*"MyID"[^>]*>(?:((?:[^<]++|<(?!\/?div\b[^>]*>))+)|(<div\b[^>]*>(?>(?1)|(?2))*<\/div>))?<\/div>/i';

Answer 1

RegEx 匹配除 XHTML 自包含標簽之外的開放標簽

事實上，這是絕對不可能的。 HTML 有一些獨特的、神奇的東西，它不受 RegEx 的影響。

Answer 2

匹配最里面匹配的<div>和</div>標簽對，以及它們的屬性和內容：

#<div(?:(?!(<div|</div>)).)*</div>#s

這里的關鍵是(?:(?!STRING).)*是字符串，因為[^CHAR]*是字符。

信用： https : //stackoverflow.com/a/6996274

---

PHP 中的示例：

<?php

$text = <<<'EOD'
<div id="1">
  in 1
  <div id="2">
    in 2
    <div id="3">
      in 3
    </div>
  </div>
</div>
<div id="4">
  in 4
  <div id="5">
    in 5
  </div>
</div>
EOD;

$matches = array();
preg_match_all('#<div(?:(?!(<div|</div>)).)*</div>#s', $text, $matches);

foreach ($matches[0] as $index => $match) {
  echo "************" . "\n" . $match . "\n";
}

輸出：

************
<div id="3">
      in 3
    </div>
************
<div id="5">
    in 5
  </div>

Answer 3

我構建了一個簡短的 python 腳本來解決管理嵌套標簽的問題。 它與 html 和其他可怕的嵌套語法一起愉快地運行，就像 wiki 代碼一樣。 Hyrically，我寫它是為了避免正則表達式！ 我根本無法理解他們。 :-(。我用這個函數做任何事情，它對 html 和 xml 運行得很好。它也很快，因為它只使用基本的字符串搜索。我很高興知道正則表達式無濟於事。:-)

如果你們中有人感興趣，我想分享腳本； 但是考慮一下，我不是程序員，我認為這個問題已經解決了很長時間！

你可以在我的討論頁找到我。來源： http ://it.wikisource.org/wiki/Discussioni_utente:Alex_brollo

Answer 4

您可以遞歸地執行此操作，使用相同的正則表達式但在需要時執行。 像這樣：

function htmlToPlainText(html) {
    let text = html || ''

    // as there is html nested inside some html attributes, we need a recursive strategy to clean up the html
    while (text !== (text = text.replace(/<[^<>]*>/g, '')));

    return text
  }

這適用於以下情況：

<p data-attr="<span>Oh!</span>">Lorem Ipsum</p>

我在這里找到了這個腳本： http : //blog.stevenlevithan.com/archives/reverse-recursive-pattern