选择 2 个标签之间的所有文本的最佳方法是什么 - 例如：页面上所有“<pre>”标签之间的文本。
【问题讨论】：
/<div>.*?<\/div>/.exec("<div><div></div></div>")
标签： html regex html-parsing
您可以使用"<pre>(.*?)</pre>",（将 pre 替换为您想要的任何文本）并提取第一组（对于更具体的说明，请指定一种语言），但这假定您拥有非常简单且有效的 HTML 的简单概念。
正如其他评论者所建议的那样，如果您正在做一些复杂的事情，请使用 HTML 解析器。
【讨论】：
<pre>(.*?)<\/pre> 后仍然看到 <pre> 标签，那是因为您正在查看完整匹配而不是 (.*? ) 捕获组。听起来很俗气，但我一直认为“括号 = 一对小偷”，因为除非 ( 后跟 ?，如 (?: 或 (?>，每场比赛都会有两个捕获：1 代表完整比赛和 1对于捕获组。每组额外的括号都会添加一个额外的捕获。您只需要知道如何以您正在使用的任何语言检索这两个捕获。
标签可以在另一行完成。这就是需要添加\n 的原因。
<PRE>(.|\n)*?<\/PRE>
【讨论】：
(.|\n)*? 的重要一点。仅当 HTML 标记位于同一行时，所选答案才有效。
(.|\n|\r\n)*? 用于 Windows 行尾
(.|\n)*? 来匹配任何字符。始终使用 . 和 s（单行）修饰符。或[\s\S]*? 解决方法。
/\*(.|\n)*?\*/，它完成了这项工作——谢谢
(?<=(<pre>))(\w|\d|\n|[().,\-:;@#$%^&*\[\]"'+–/\/®°⁰!?{}|`~]| )+?(?=(</pre>))
基本上它的作用是：
(?<=(<pre>)) 选择前必须加上<pre> 标签
(\w|\d|\n|[().,\-:;@#$%^&*\[\]"'+–/\/®°⁰!?{}|~]| ) 这只是我要应用的正则表达式。在这种情况下，它选择方括号中示例中列出的字母或数字或换行符或一些特殊字符。管道字符| 仅表示“OR”。
+? 加字符状态以选择上述一项或多项-顺序无关紧要。 问号将默认行为从“贪婪”更改为“不贪婪”。
(?=(</pre>)) 选择必须附加</pre> 标签
根据您的用例，您可能需要添加一些修饰符，例如 (i 或 m)
这里我在 Sublime Text 中执行了这个搜索，所以我不必在我的正则表达式中使用修饰符。
还要查看JAVASCRIPT REGEX DOCUMENTATION 中的非捕获括号
【讨论】：
要排除定界标签：
(?<=<pre>)(.*?)(?=</pre>)
(?<=<pre>) 在<pre> 之后查找文本
(?=</pre>) 在</pre> 之前查找文本
结果将在pre标签内显示
【讨论】：
使用下面的模式来获取元素之间的内容。将 [tag] 替换为您希望从中提取内容的实际元素。
<[tag]>(.+?)</[tag]>
有时标签会有属性，比如anchor标签有href，然后使用下面的模式。
<[tag][^>]*>(.+?)</[tag]>
【讨论】：
<[tag]> 将匹配 <t>、<a> 和 <g>
Replace [tag] with the actual element you wish to extract the content from 部分。
[] 应该完全省略。这会更清楚，因为它们在 RegEx 中的含义以及人们首先扫描代码并在之后阅读文本的事实;)
这个答案假设支持环顾四周！这使我能够识别开始和结束标签对之间的所有文本。这就是“>”和“
(?<=>)([\w\s]+)(?=<\/)
我使用这个 HTML 片段在https://regex101.com/ 中对其进行了测试。
<table>
<tr><td>Cell 1</td><td>Cell 2</td><td>Cell 3</td></tr>
<tr><td>Cell 4</td><td>Cell 5</td><td>Cell 6</td></tr>
</table>这是一个由三部分组成的游戏：向后看、内容和向前看。
(?<=>) # look behind (but don't consume/capture) for a '>'
([\w\s]+) # capture/consume any combination of alpha/numeric/whitespace
(?=<\/) # look ahead (but don't consume/capture) for a '</'
我希望这是 10 岁的开始。运气。
【讨论】：
myString.match(/(?<=>)([\w\s\-\!@#$%^&*()_+|~={}[]:";'?,.\/]+)(?=
您不应该尝试使用正则表达式解析 html，请参阅 this question 以及结果如何。
用最简单的话来说，html不是正则语言，所以你不能用正则表达式完全解析。
话虽如此，当没有嵌套类似的标签时，您可以解析 html 的子集。因此，只要介于 and 之间的任何内容不是该标签本身，它就会起作用：
preg_match("/<([\w]+)[^>]*>(.*?)<\/\1>/", $subject, $matches);
$matches = array ( [0] => full matched string [1] => tag name [2] => tag content )
一个更好的主意是使用解析器，如原生 DOMDocument，加载您的 html，然后选择您的标签并获取可能看起来像这样的内部 html：
$obj = new DOMDocument();
$obj -> load($html);
$obj -> getElementByTagName('el');
$value = $obj -> nodeValue();
由于这是一个合适的解析器，它可以处理嵌套标签等。
【讨论】：
php 标记。不知道 PHP 是如何出现的...
这似乎是我发现的最简单的正则表达式
(?:<TAG>)([\s\S]*)(?:<\/TAG>)
(?:<TAG>)
([\s\S]*)
(?:<\/TAG>)
【讨论】：
试试这个....
(?<=\<any_tag\>)(\s*.*\s*)(?=\<\/any_tag\>)
【讨论】：
var str = "Lorem ipsum <pre>text 1</pre> Lorem ipsum <pre>text 2</pre>";
str.replace(/<pre>(.*?)<\/pre>/g, function(match, g1) { console.log(g1); });由于接受的答案没有javascript代码，所以添加：
【讨论】：
preg_match_all(/<pre>([^>]*?)<\/pre>/,$content,$matches) 这个正则表达式将选择标签之间的每一个。不管它是否在新行中（使用多行。
【讨论】：
在 Python 中，设置 DOTALL 标志将捕获所有内容，包括换行符。
如果指定了 DOTALL 标志，则匹配任何字符，包括换行符。 docs.python.org
#example.py using Python 3.7.4
import re
str="""Everything is awesome! <pre>Hello,
World!
</pre>
"""
# Normally (.*) will not capture newlines, but here re.DOTATLL is set
pattern = re.compile(r"<pre>(.*)</pre>",re.DOTALL)
matches = pattern.search(str)
print(matches.group(1))
python example.py
Hello,
World!
要捕获文档中所有开始和结束标记之间的文本，finditer 很有用。在下面的示例中，字符串中存在三个开始和结束<pre> 标签。
#example2.py using Python 3.7.4
import re
# str contains three <pre>...</pre> tags
str = """In two different ex-
periments, the authors had subjects chat and solve the <pre>Desert Survival Problem</pre> with a
humorous or non-humorous computer. In both experiments the computer made pre-
programmed comments, but in study 1 subjects were led to believe they were interact-
ing with another person. In the <pre>humor conditions</pre> subjects received a number of funny
comments, for instance: “The mirror is probably too small to be used as a signaling
device to alert rescue teams to your location. Rank it lower. (On the other hand, it
offers <pre>endless opportunity for self-reflection</pre>)”."""
# Normally (.*) will not capture newlines, but here re.DOTATLL is set
# The question mark in (.*?) indicates non greedy matching.
pattern = re.compile(r"<pre>(.*?)</pre>",re.DOTALL)
matches = pattern.finditer(str)
for i,match in enumerate(matches):
print(f"tag {i}: ",match.group(1))
python example2.py
tag 0: Desert Survival Problem
tag 1: humor conditions
tag 2: endless opportunity for self-reflection
【讨论】：
要选择我喜欢的前标记之间的所有文本
preg_match('#<pre>([\w\W\s]*)</pre>#',$str,$matches);
$matches[0] 将得到包含
标记 的结果
$matches[1] 将包含
中的所有内容。
DomDocument 不能在需要在搜索标签中获取带有标签详细信息的文本的情况下工作，因为它会去除所有标签，nodeValue 和 textContent 将只返回没有标签和属性的文本。
【讨论】：
您可以使用Pattern pattern = Pattern.compile( "[^<'tagname'/>]" );
【讨论】：
我使用这个解决方案：
preg_match_all( '/<((?!<)(.|\n))*?\>/si', $content, $new);
var_dump($new);
【讨论】：
【讨论】：
const content = '<p class="title responsive">ABC</p>';
const blog = {content};
const re = /<([^> ]+)([^>]*)>([^<]+)(<\/\1>)/;
const matches = content.match(re);
console.log(matches[3]);
matches[3] 是内容文本，它适用于任何带有类的标签名称。 （不支持嵌套结构）
【讨论】：
对于多行：
<htmltag>(.+)((\s)+(.+))+</htmltag>
【讨论】：
在 Javascript（以及其他）中，这很简单。它涵盖了属性和多行：
/<pre[^>]*>([\s\S]*?)<\/pre>/
【讨论】：
<pre>([\r\n\s]*(?!<\w+.*[\/]*>).*[\r\n\s]*|\s*[\r\n\s]*)<code\s+(?:class="(\w+|\w+\s*.+)")>(((?!<\/code>)[\s\S])*)<\/code>[\r\n\s]*((?!<\w+.*[\/]*>).*|\s*)[\r\n\s]*<\/pre>
【讨论】：