javascript regex查找特定的html标记详细信息

Question

我想要一个regex来找出特定的html标记细节。

我试过叫2 regex：

<\s*tag[^>]*>(.*?)<\s*/\s*tag>

<tag[^<>]*>.+?<\/tag>

贝娄是用于第一次正则表达式的2测试用例：

在第一个示例中，我得到了正确的结果，但是在示例2中，我得到了错误的结果。在这两种情况下，输入几乎是相同的。

第一种情况:均为单独字符串，第二种情况为:作为单字符串。

===================================
Example 1 Input
===================================
<tagX>AAA</tagX>
<tag>GGG</tag>
<tag id="tag896">HHH</tag>
<tagY>III</tagY>
<tag id="tag017">JJJ</tag>
<tag>KKK</tag>
===================================
Output 1 // Correct
===================================
<tag>GGG</tag>
GGG
<tag id="tag896">HHH</tag>
HHH
<tag id="tag017">JJJ</tag>
JJJ
<tag>KKK</tag>
KKK


===================================
Example 2 Input (as a single string)
===================================
<tagX>AAA</tagX><tag>GGG</tag><tag id="tag896">HHH</tag><tagY>III</tagY><tag id="tag017">JJJ</tag><tag>KKK</tag>
===================================
Output 2 // Wrong
===================================
<tagX>AAA</tagX><tag>GGG</tag>
AAA</tagX><tag>GGG

<tag id="tag896">HHH</tag>
HHH

<tagY>III</tagY><tag id="tag017">JJJ</tag>
III</tagY><tag id="tag017">JJJ

<tag>KKK</tag>
KKK

在这里，我想要(标记)的详细信息，但在第二种情况下，它获取(tag) + (tagX) + (tagY)详细信息。

我的输入类似于第二输入.

它的紧急..。我能找到解决办法吗。

谢谢..。

Answer 1

在您编写的正则表达式中，您的问题是，如果“”应该在同一行上关闭，则允许<tagX> (例如)作为开始标记。

在本例中使用正则表达式的问题是，如果XML是：

<tag></tag>
<tagX></tagX>
<tag></tag>

如果所有的标签都是内联的，你可以得到所有的东西，所以要非常小心。

我会使用类似的东西(上面的例子是这样的)：

 <\s*tag((\s+[^<>]+\s*>)|(\s*>))[^<>]*<\s*\/tag\s*>

在这里，我允许所有有效的空白空间，但我不允许嵌套标记，所以上面的示例将有效。此外，如果允许嵌套标记，则不允许REGEX工作。请看下面的示例：

<tag> <tagX> <tag> </tag> </tagX> </tag>

不过，在本例中，您将获得<tag> <tagX> <tag> </tag>作为一个有效的答案。

Answer 2

我试过下面的规则，它的工作很好.

<tag( [^<>]+)?>(.+?)<\/tag>

Answer 3

如果您正在使用.NET (出于某种原因，您确信您的XML不需要使用Html敏捷包)，您可以尝试如下：

<tag(?:>|(?: .*?>))(.*?)</tag>