HTML 标签的反向匹配

Question

使用 NodeJS，我有以下正则表达式：/<[^>]*>/g 匹配 HTML 标签： (Live Demo)

我想反转匹配以便捕获文本，我尝试了 negative lookahead 方法，但没有成功。

编辑我避免使用 split 方法，因为我需要 match

的索引

用 JS 可以吗？

Answer 1

Is it possible with JS?

没有。 HTML 可以任意嵌套，这意味着您需要递归才能使用正则表达式使用它 - JavaScript 正则表达式没有。

假设你可以放弃 JS 并使用支持 PCRE 的语言，这个 ~~Cthulhu~~ 编写的一大堆难以理解的字符正则表达式可以解决问题（mandatory regex101 link）（注意它不处理 CDATA):

<!--[\s\S]*?-->|<([a-z]+)(?:\s\S+?=(["']|)[\s\S]*?)*>((?:[\s\S]*?(?R)?)*)<\/>

工作原理如下：

|是为了防止评论造成误报
<([a-z]+)(?:\s\S+?=(["']|)[\s\S]*?)*> 是起始标签，其中
- ([a-z]+) 是标签名称（注意捕获组 - 我们将在结束标签中需要它）
- (?:\s\S+?=(["']|)[\s\S]*?)*是属性，其中
  - \s 是分隔属性和标签名称以及彼此的空白字符
  - \S+?= 是属性名称后跟一个等号（注意惰性量词 - 我们需要它，因为 \S 包括 =）
  - (["']|)[\s\S]*? 是值，可以用双引号、单引号或什么都不括起来
((?:[\s\S]*?(?R)?)*) 是标签之间的文本（注意捕获组 - 这正是您所需要的，将显示为组 3），其中 (?R)?使正则表达式能够处理嵌套结构
<\/>是结束标签，其中是标签名（记住开始标签中的捕获组）

Answer 2

由于给出的答案没有给出任何解决方案，因此您可以使用以下代码来简化没有嵌套标签的 [x]html。否则，要获得完整的解决方案，请使用 HTML 解析器。

var str = "Lorem ipsum <pre class='a1'>text 1</pre> Lorem ipsum <a href='http://google.com'>text 2</a>";
    str.replace(/<(\w+).*>(.*?)<\/>/g, function(match, g1, g2) { console.log(g2); });

HTML 标签的反向匹配

Inverse match for HTML tags

javascript

regex

negative-lookahead

node.js