站長(zhǎng)資訊網(wǎng)通用 HTML 標(biāo)簽區(qū)配正則
最近看網(wǎng)站日志，發(fā)現(xiàn)有人在博客上轉(zhuǎn)了我不知道幾年前寫的一個(gè)匹配 HTML 標(biāo)簽的正則，剛好最近也在做一些相關(guān)的事情，頓時(shí)來(lái)了興趣。就拿回來(lái)改改，成了下面這樣，可能會(huì)有一些 case 遺漏，歡迎修改，已知在內(nèi)嵌 <script> 復(fù)雜內(nèi)容的處理能力較弱，不過(guò)對(duì)純 HTML 來(lái)說(shuō)已經(jīng)夠用，拿來(lái)做一些分析工具還是不錯(cuò)滴。
var str = “<br /><br/><br><br ><中文><div><div id=a>無(wú)憂腳本<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=”hellonjust a test!”></div><hr ><script type=”test/javascript” defer>alert(“just a test!”);</script>Hello.<input type=text value=”無(wú)憂腳本”><br / ><img “” ></ ><!– 注釋 –>< ucren><!– 再<注>釋 –><img alt=’ title='”‘ /><b>123</b>1<2<3,3<4>1<b><img src=”http://bbs.51js.com/images/old51js/logo.gif” /><!– 三注釋>>> –>”;
var reg = /<(?:(?:/?[A-Za-z]w*b(?:[=s]([‘”]?)[sS]*?1)*)|(?:!–[sS]*?–))/?>/g;
alert(str.match(reg).join(“n—————————————————-n”));
</script>
[Ctrl+A 全選 注:如需引入外部Js需刷新才能執(zhí)行]
有朋友留言說(shuō)Java直接使用的話會(huì)報(bào)錯(cuò)。我后來(lái)查了一下，發(fā)現(xiàn)Java正則引擎支持的特性相對(duì)比較少。在1.6版本中不能使用命名組（貌似1.7的時(shí)候開始支持了），否則會(huì)報(bào)以下錯(cuò)誤，更別說(shuō)平衡組了。因此感覺(jué)要實(shí)現(xiàn)無(wú)限級(jí)的嵌套匹配不大現(xiàn)實(shí)。
在網(wǎng)上搜了好久也沒(méi)找到完美的解決方案。不過(guò)，我們可以實(shí)現(xiàn)有限級(jí)Html嵌套標(biāo)簽匹配。思路相對(duì)于無(wú)限級(jí)來(lái)說(shuō)就簡(jiǎn)單了好多，不需要那么多高級(jí)的特性。
示例：
在上面這個(gè)示例中，我們打算匹配id為footer的這個(gè)嵌套div，而且假設(shè)我們預(yù)先知道footer這個(gè)div里面最多只會(huì)嵌套一級(jí)div。更多級(jí)的情況我們一會(huì)兒再講。
footer的開始和結(jié)束標(biāo)簽匹配很簡(jiǎn)單：
夾在開始和結(jié)束標(biāo)簽之間的內(nèi)容無(wú)非有兩種情況：
內(nèi)容A: div標(biāo)簽，并且此div內(nèi)無(wú)嵌套div
內(nèi)容B: 任意其他內(nèi)容
然后就是這兩種內(nèi)容的不斷重復(fù)而已。正則表示如下：
注意最后面的問(wèn)號(hào)必須要加上，否則由于正則的貪婪匹配特性，footer的閉合標(biāo)簽會(huì)匹配失誤。
OK了，匹配最多嵌套一級(jí)div的正則表達(dá)式如下：
那么如果footer標(biāo)簽里頭最多會(huì)嵌套兩級(jí)div的話怎么辦呢？
其實(shí)也不難，我們只需要把上面的“內(nèi)容A”部分中的點(diǎn)號(hào)稍作替換即可。修改如下：
到這里你可能就知道，如果要匹配最多嵌套三級(jí)div的話，正則應(yīng)該怎么寫了：
所以實(shí)際上，只要你的html結(jié)構(gòu)不是特別復(fù)雜的話，也就是說(shuō)嵌套不會(huì)很深的話，那么你完全可以使用這種方式來(lái)匹配嵌套html標(biāo)簽。
這個(gè)正則在Java和Javascript中都可以使用，因?yàn)樗鼪](méi)有用到任何高級(jí)特性。
