使用哪個正則表達式從HTML文本中提取某些單詞？

Question

我很難構建一個正則表達式來從HTML文本中獲取一些單詞。

假設我有以下內容：

<p style="padding-left :12px">SOME_TEXT_I_WANT</p><p>SOME_OTHER_TEXT</p>

* SOME_TEXT_I_WANT *和* SOME_OTHER_TEXT *可以是一堆單詞，如“SOME RANDOM TEXT”或HTML文本，如“ <strong>SOME BOLD TEXT</strong> ”

我的目標是用一個正則表達式提取這些文本。

Answer 1

你打算用哪種語言？ 該語言是否存在HTML解析器？ 如果是，請考慮使用解析器 。

但是，如果這是“一次性”，您可以通過以下方式獲得：

#<p[^>]*>(.*?)</p>#

上面有一些限制，最值得注意的是它與<p data-something="a > b">...</p>或嵌套<p>不匹配。 （我無法判斷您嘗試解析的標記是否實際上允許嵌套<p> s - 只是告知您可能存在的陷阱。）

Answer 2

假設您使用的是PHP：

$html = "<p>some text here</p>"
preg_replace("/<.+?>/","", $html);

Answer 3

不要使用正則表達式。 如果你問為什么，有一個非常受歡迎的SO帖子描述了如果你試圖使用正則表達式來解析HTML會發生什么。

使用您的語言的HTML或XML解析器，並使用現有功能提取您需要的內容。