用javascript和regex检测多个html标记

Question

我正在构建一个chrome扩展，它将读取当前页面并从中检测特定的html/xml标记：

例如，如果我的当前页面包含以下标记或数据：

some random text here and there

<investmentAccount acctType="individual" uniqueId="1629529524">
<accountName>state bank of america</accountName>
<accountHolder>rahul raina</accountHolder>
<balance balType="totalBalance">
<curAmt curCode="USD">516545.84</curAmt>
</balance>
<asOf localFormat="MMM dd, yyyy">2013-08-31T00:00:00</asOf>
<holdingList>
<holding holdingType="mutualFund" uniqueId="-2044388005">
<description>Active Global Equities</description>
<value curCode="USD">159436.01</value>
</holding>
<holding holdingType="mutualFund" uniqueId="-556870249">
<description>Passive Non-US Equities</description> 
<value curCode="USD">72469.76</value>
</holding>
</holdingList>
<transactionList/>
</investmentAccount>
</site>
some data 123

<site name="McKinsey401k">
<investmentAccount acctType="individual" uniqueId="1629529524">
<accountName>rahuk</accountName>
<accountHolder>rahuk</accountHolder>
<balance balType="totalBalance">
<curAmt curCode="USD">516545.84</curAmt>
</balance>
<asOf localFormat="MMM dd, yyyy">2013-08-31T00:00:00</asOf>
<holdingList>
<holding holdingType="mutualFund" uniqueId="1285447255">
<description>Special Sits. Aggr. Long-Term</description>
<value curCode="USD">101944.69</value>
</holding>
<holding holdingType="mutualFund" uniqueId="1721876694">
<description>Special Situations Moderate $</description>
<value curCode="USD">49444.98</value>
</holding>
</holdingList>
<transactionList/>
</investmentAccount>
</site>

因此，我需要识别例如标签和打印开始和结束标签之间的文本，即：“美国国家银行”和"rahukk“。

到目前为止，这就是我所做的：

    function countString(document_r,a,b) {
var test = document_r.body; 
var text = typeof test.textContent == 'string'? test.textContent : test.innerText; 
var testRE = text.match(a+"(.*)"+b);
return testRE[1];

}



chrome.extension.sendMessage({
    action: "getSource",
    source: "XML DETAILS>>>>>"+"\nAccount name is: " +countString(document,'<accountName>','</accountName>')
});

但这只会打印它在页面中遇到的第一个标签的内部文本，即“美国国家银行”。

如果我只想打印"rahukk“，这是页面中最后一个标签的内部文本，或者两者都打印。

如何打印它在页面中遇到的最后一个标记的内部文本，或者如何打印所有标记？

提前谢谢。

编辑:上面的文档本身就是一个HTML页面，我刚刚把页面的内容

更新:因此，我从下面的建议和代码所能达到的最好的地方做了一些工作：

function countString(document_r) {


var test = document_r.body; 
var text = test.innerText; 

var tag = "accountName";
var regex = "<" + tag + ">(.*?)<\/" + tag + ">";
var regexg = new RegExp(regex,"g");
var testRE = text.match(regexg);
return testRE;
}

chrome.extension.sendMessage({
    action: "getSource",
    source: "XML DETAILS>>>>>"+"\nAccount name is: " +countString(document)
});

但这给了我：

DETAILS>>>>>退休计划(利润分享退休计划和货币购买退休金计划)、退休计划(利润分享退休计划)和货币购买退休金计划(MPPP)、退休计划(利润分享退休计划)和货币购买退休金计划(MPPP)

这同样是因为相同的XML在页面中出现了3次，我想要的是正则表达式只与最后一个XML匹配，我也不想要标记名。

所以我想要的输出是：

XML DETAILS>>>>>退休计划(利润分享退休计划和货币购买养老金计划)

Answer 1

Regex模式如下：<accountName>(.*?)<\/accountName>

var tag = "accountName";
var regex = "<" + tag + ">(.*?)<\/" + tag + ">";
var testRE = text.match(regex);

=> testRE包含您所有的匹配项，如果tag=accountName包含“美国国家银行”和"rahukk“的话。

更新

根据接收所有匹配的此页，而不是仅接收第一个匹配，to必须向匹配模式添加一个"g“标志。

"g:全局搜索标志使RegExp在整个字符串中搜索一个模式，创建一个与给定模式匹配的所有出现的数组。“发现这里

希望这对你有帮助！

Answer 2

匹配方法不是全局的。

var regex = new RegExp(a+"(.*)"+b, "g");
text.match(regex);

Answer 3

如果完整XML字符串有效，则可以使用方法将其解析为XML文档。

var xmlString = '<root>[Valid XML string]</root>';
var parser = new DOMParser();
var doc = parser.parseFromString(xmlString, 'text/xml');

然后，您可以直接获得具有指定名称的标记列表：

var found = doc.getElementsByTagName('tagName');

这里有一个使用您提供的XML的jsFiddle实例，有两个小的调整--我必须为第一个site添加一个root元素和一个开始标记。