Java/Js下使用正则表达式匹配嵌套Html标签

2021-10-07 10:56:10分类：编程 / 正则表达式阅读(4482)评论(0)

以前写过一篇文章讲解如何使用正则表达式完美解决Html嵌套标签的匹配问题（使用正则表达式匹配嵌套Html标签），但是里头用到了平衡组这样的高级特性，貌似只有DotNet还有Perl正则引擎支持，因此通用性不高。

js正则表达式替换HTML标签以及空格( )

js代码：

 function filter(text) { var reg = /<[^<>]+>/g;//1、全局匹配g肯定忘记写,2、<>标签中不能包含标签实现过滤HTML标签 text = text.replace(reg, '');//替换HTML标签 text = text.replace(/ /ig, '');//替换HTML空格 return text; };

在angularJS中使用过滤器过滤富文本数据

 app.filter('qxhtml', function () { return function (text) { var reg = /<[^<>]+>/g; text = text.replace(reg, ''); text = text.replace(/ /ig, ''); if (text.length > 50) { text = text.substring(0, 50) + "..."; } return text; }; });

使用过滤器


{{y.Description| qxhtml}}

下面是其他网友的补充

js如何使用正则表达式实现过滤HTML标签？（/<[^<>]+>/g）

一、总结（点击显示或隐藏总结内容）

js进阶正则表达式实现过滤HTML标签（<>标签中不能包含标签实现过滤HTML标签：/<[^<>]+>/g）

var reg=/<[^<>]+>/g

1、全局匹配g肯定不能忘记写
2、<>标签中不能包含标签实现过滤HTML标签

二、js进阶正则表达式实现过滤HTML标签

实例描述：将一段带有HTML标签的文本的HTML标签过滤掉，转化为纯文本输出

三、代码

   过滤HTML标签



js 正则表达式去除html字符中所有的标签（img标签除外）

废话不多说，直接上代码：

description.replace(/<(?!img).*?>/g, "");

如果保留img,p标签，则为：

description.replace(/<(?!img|p|\/p).*?>/g, "");

在js中/需要用转义字符。

通用 HTML 标签区配正则

最近看网站日志，发现有人在博客上转了我不知道几年前写的一个匹配 HTML 标签的正则，刚好最近也在做一些相关的事情，顿时来了兴趣。就拿回来改改，成了下面这样，可能会有一些 case 遗漏，欢迎修改，已知在内嵌

在线测试


[Ctrl+A 全选 注:引入外部Js需再刷新一下页面才能执行]

有朋友留言说Java直接使用的话会报错。我后来查了一下，发现Java正则引擎支持的特性相对比较少。在1.6版本中不能使用命名组（貌似1.7的时候开始支持了），否则会报以下错误，更别说平衡组了。因此感觉要实现无限级的嵌套匹配不大现实。

java.util.regex.PatternSyntaxException: Look-behind group does not have an obvious maximum length near index XX

在网上搜了好久也没找到完美的解决方案。不过，我们可以实现有限级Html嵌套标签匹配。思路相对于无限级来说就简单了好多，不需要那么多高级的特性。
示例：



在上面这个示例中，我们打算匹配id为footer的这个嵌套div，而且假设我们预先知道footer这个div里面最多只会嵌套一级div。更多级的情况我们一会儿再讲。
footer的开始和结束标签匹配很简单：

]*id='footer'[^>]*>......(这里的省略号是一会要填写的)

夹在开始和结束标签之间的内容无非有两种情况：
内容A: div标签，并且此div内无嵌套div
内容B: 任意其他内容
然后就是这两种内容的不断重复而已。正则表示如下：

(]*>.*?

|.)*?

注意最后面的问号必须要加上，否则由于正则的贪婪匹配特性，footer的闭合标签会匹配失误。
OK了，匹配最多嵌套一级div的正则表达式如下：

]*id='footer'[^>]*>(]*>.*?
|.)*?

那么如果footer标签里头最多会嵌套两级div的话怎么办呢？
其实也不难，我们只需要把上面的“内容A”部分中的点号稍作替换即可。修改如下：

]*id='footer'[^>]*>(]*>(]*>.*?
|.)*?

|.)*?

到这里你可能就知道，如果要匹配最多嵌套三级div的话，正则应该怎么写了：

]*id='footer'[^>]*>(]*>(]*>(]*>.*?
|.)*?

|.)*?|.)*?

所以实际上，只要你的html结构不是特别复杂的话，也就是说嵌套不会很深的话，那么你完全可以使用这种方式来匹配嵌套html标签。

这个正则在Java和Javascript中都可以使用，因为它没有用到任何高级特性。

接着补充

查找所有的TD区域(最短):

\s*.*<\/td>

查找所有的TR:

)(.|\n)*?

查找所有的TD:

)(.|\n)*?

正则表达式匹配Html标签

例1.
以下是一段Html代码

 
 
  
其它内容...
 
  
典经HTML正则表达式！
 
  
其它内容...

正则表过式：
说明：正则表达式匹配表格开始标记，能够返回开始标记直至 “headline”之间的所有内容（换行除外）；
就是以上红色标示出来的部分。
原理：
.*                                   //除换行外的所有字符
(?=headline)               //零宽度正预测先行断言，匹配以 headline 结尾的单词的前面部分(除了 headline 以外的部分)

例2.

 
 
  
其它内容...
 
  
典经HTML正则表达式！
 
  
其它内容...

正则表达式：
说明：匹配最长的以

*?                                                //应与上一个 (.|\n) 联合起来看,  .*？ 就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复，懒惰模式。
                                     //匹配的结束标记

注意：“(.|\n)”后面的 "*" 匹配 0 个到多个任意字符，而“？”使得“*”匹配范围最小化，即在找到表达式的下一部分之前匹配尽可能少的字符。

是表格的结束标记.

 例3.

   
其它内容...
  
典经HTML正则表达式！
  
其它内容...

<(?[^\s>]+)[^>]*>(.|\n)*?>
说明：匹配成对的HTML标签，它将会匹配Html标签及标签中的内容，本例分三段匹配三个

标签及
中的内容。
原理：
<                                    //html标签中的 <
(?[^\s>]+)            // (?), 分组命名的方式，[^\s>]：非任何空白字符及“>”至少匹配一次
[^>]*>                            //非“>”匹配 0 到 n 次，及html的标签“>”.
(.|\n)                              //在两个或多个项之间时行选择，(zlf)ood 与 "zood" 或 "food" 匹配.
*?                                  // 应与上一个(.|\n)联合起来看， .*？ 就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复，懒惰模式。
>                    //反向引用命名的组，语法为 \k， 及html 标签“>”

注意：“(.|\n)”后面的 "*" 匹配 0 个到多个任意字符，而“？”使得“*”匹配范围最小化，即在找到表达式的下一部分之前匹配尽可能少的字符。

本例使用了分组命名及反向引用命名组的概念。

正则表达匹配中文

匹配中文字符的正则表达式：   [\u4e00-\u9fa5]
1、先用js把中文转换16进制码：d.innerHTML = escape("你们"); 得到 %u4F60%u4EEC， 即 \u4F60\u4EEC
2、var arr = str.match(/\u4F60\u4EEC/g);
3、\u4F60为单个汉字“你”.
4、以上测试程序为javascript

以上就是Java/Js下使用正则表达式匹配嵌套Html标签的详细内容，更多请关注0133技术站其它相关文章！

赞(0) 打赏
未经允许不得转载：0133技术站首页 » 正则表达式

相关文章

编程

JavaC语言新手学堂数据库ASP编程PHP编程XML/RSSFlex正则表达式R语言汇编语言其他教程移动

置顶推荐

猜你喜欢