正则表达式：如何在文本之间获取某些内容，但其他文本之间的内容除外

Question

好的，这是一种技巧。我有这段文字：

<something>
   <h1> quoiwuqoiuwoi aoiuoisquiooi

       <script> dsadsa  dsa </script>

       Some text here in the middle! =)   

       <script> dsadsa  dsa </script>

   </h1>
</something>

我只想获取没有标签的内容，换句话说：

   <h1> quoiwuqoiuwoi aoiuoisquiooi


       Some text here in the middle! =)   


   </h1>

包括标签。

通过一些研究我发现我可以使用以下正则表达式获取 h1 标签之间的所有内容：

   /<h1([^]*)h1>/

但是，我找不到排除标签之间内容的方法。包括脚本标签本身。任何帮助将不胜感激。

如果有人想知道我为什么需要它，这里有一个简短的解释：

我正在使用此代码从使用 googleSpreadSheet 的网站抓取一些数据：

function doGet() {
  var html = UrlFetchApp.fetch('https://www.nespresso.com/br/pt/product/maquina-de-cafe-espresso-pixie-clips-c60-preta-e-lima-neon-110v').getContentText();
  var regExp = new RegExp("<h1([^]*)h1>", "gi");
  var h1 = regExp.exec(html);
  Logger.log(h1);
  var doc = XmlService.parse(h1[0]);
  var html = doc.getRootElement();
  var menu = getElementsByClassName(html, 'nes_pdp-title nes_pdp-title-sep-none')[0];
  var output = menu.getText();
  Logger.log(output);
}

它在解析脚本标签和 iframe 时遇到了问题。我能找到的唯一解决方案是从中删除代码。如果谁有更好的解决办法，我洗耳恭听。

如果我不删除脚本和 iframe 标签，代码会在我调用 .getElementsByTagName 之前中断。当我使用 .XmlService() 时它中断了。如果 XmlSevive() 没有 javascript 或 iframe 标记，我只能将值传递给它。再次感谢您！

Answer 1

尝试使用 String.prototype.replace() 将 h1 元素的 .innerHTML 替换为 RegExp /<script>.*<\/script>/g 以匹配 script 标签，包括 [=17 中的文本=] 标签，.trim()

var h1 = document.getElementsByTagName("something")[0].querySelector("h1");
h1.innerHTML = h1.innerHTML.replace(/<script>.*<\/script>/g,"")
              .trim();
console.log(h1.outerHTML)

<something>
   <h1> quoiwuqoiuwoi aoiuoisquiooi

       <script> dsadsa  dsa </script>

       Some text here in the middle! =)   

       <script> dsadsa  dsa </script>

   </h1>
</something>

正则表达式：如何在文本之间获取某些内容，但其他文本之间的内容除外

Regex: How to get something between text, except something between other text

html

javascript

regex

regex-negation