Java/Js下使用正则表达式匹配嵌套Html标签
发布时间：2020-12-14 05:22:10 所属栏目：Java 来源：网络整理
导读：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 script 复杂内容的处
|
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 <script> 复杂内容的处理能力较弱，不过对纯 HTML 来说已经够用，拿来做一些分析工具还是不错滴。 复制代码 代码如下: <script type="text/javascript"> var str = "<br /><br/><br><br ><中文><div><div id=a>无忧脚本<img src="http://bbs.51js.com/images/default/logo.gif" width="191" height='75' border=0 onload="if(testver>0 && testver<500)alert('test');" n onerror='alert("test")' /><img src=xxx alt="hellonjust a test!"></div><hr ><script type="test/javascript" defer>alert("just a test!");</script>Hello.<input type=text value="无忧脚本"><br / ><img "" ></ ><!-- 注释 -->< ucren><!-- 再<注>释 --><img alt=' title='"' /><b>123</b>1<2<3,3<4>1<b><img src="http://bbs.51js.com/images/old51js/logo.gif" /><!-- 三注释>>> -->"; var reg = /<(?:(?:/?[A-Za-z]w*b(?:[=s](['"]?)[sS]*?1)*)|(?:!--[sS]*?--))/?>/g; alert(str.match(reg).join("n----------------------------------------------------n")); </script> [Ctrl+A 全选 注:如需引入外部Js需刷新才能执行] 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。 复制代码 代码如下: 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： 复制代码 代码如下: <div id='container'><BR> <div style='background-color:gray;' id='footer'><BR> <a id='gotop' href='#' onclick='MGJS.goTop();return false;'>Top</a><BR> <a id='powered' href='http://wordpress.org/'>WordPress</a><BR> <div id='copyright'><BR> Copyright © 2009 简单生活 ―― Kevin Yang的博客<BR> </div><BR> <div id='themeinfo'><BR> Theme by <a href='http://www.neoease.com/'>mg12</a>. Valid <a href='http://validator.w3.org/check?uri=referer'>XHTML 1.1</a><BR> and <a href='http://jigsaw.w3.org/css-validator/'>CSS 3</a>.<BR> </div><BR> </div><BR></div> 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： 复制代码 代码如下: <div [^>]*id='footer'[^>]*>......(这里的省略号是一会要填写的)</div> 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： 复制代码 代码如下: (<div[^>]*>.*?</div>|.)*? 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： 复制代码 代码如下: <div [^>]*id='footer'[^>]*>(<div[^>]*>.*?</div>|.)*?</div> 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： 复制代码 代码如下: <div [^>]*id='footer'[^>]*>(<div[^>]*>(<div[^>]*>.*?</div>|.)*?</div>|.)*?</div> 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： 复制代码 代码如下: <div [^>]*id='footer'[^>]*>(<div[^>]*>(<div[^>]*>(<div[^>]*>.*?</div>|.)*?</div>|.)*?</div>|.)*?</div> 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。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |