使用正则表达式匹配 html 标签中的特定内容

Question

如果里面包含'bb'，我想匹配'script'标签，它可以是'bb'和'script'标签之间的任何内容，包括换行符，所以我使用[\s\S]*？

这是我正在处理的文本：

<script>
 aa
</script>
<script>
 bb
</script>
<script>
 cc
</script>

模式为：<script>[\s\S]*?bb[\s\S]*?<\/script>

但是这也匹配了'script'标签里面有'aa'，我试了很多次还是不行，那如何匹配里面只有'bb'的脚本标签呢？

Answer 1

只需使用<script>\s+bb\s+<\/script>

解释：

<script> - 匹配 <script> 字面意思

\s+bb\s+- match one or more white spaces with\s+, matchbbliterally, again match one or more white spaces with\s+`

<\/script> - 匹配 </script> 字面意思

Demo

您使用[\s\S]，它匹配每个字符：\s - 匹配任何空格，\S - 匹配除空格之外的所有字符。这就是您的模式不起作用的原因。

Answer 2

使用正则表达式解析 HTML 不是一个好主意，因为当您的脚本标签嵌套时，它可能会给您带来意想不到的结果。

但万一你的标签没有嵌套，你可以使用这个正则表达式，它将只匹配其中包含bb 的脚本标签，并且不会像现在发生的那样跨越多个脚本标签。在您的正则表达式中，[\s\S]*? 匹配任何字符，因为它也匹配从第一个 <script> 标记开始的连续 <script> 标记，跨越多个 <script> 标记以覆盖 bb。

<script>(?:(?!<script>)[\s\S])*?bb(?:(?!<script>)[\s\S])*?<\/script>

此正则表达式与您的正则表达式几乎相同，唯一不同的是，我已将 [\s\S]*? 部分更改为 (?:(?!<script>)[\s\S])*? 此正则表达式不允许在单个匹配中捕获多个 <script> 标签，因此一次只匹配一个脚本标签。

让我知道这是否适合你。

Online Demo