当前位置： 移动技术网 > IT编程>开发语言>正则 > Java/Js下使用正则表达式匹配嵌套Html标签

Java/Js下使用正则表达式匹配嵌套Html标签

2017年12月12日  | 移动技术网IT编程  | 我要评论
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=\"hello\njust 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](['"]?)[\s\s]*?\1)*)|(?:!--[\s\s]*?--))\/?>/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。

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网