正则表达式匹配第一个结束 HTML 标记答案

【问题标题】：Regex to match the first ending HTMl tag正则表达式匹配第一个结束 HTML 标记
【发布时间】：2009-09-22 05:38:32
【问题描述】：

我正在尝试编写一个匹配第一个结束表单标记的正则表达式。

  <form.*name="loginForm".*>[^~]*</form>

上面的正则表达式匹配到第二个从结束，即直到第 8 行。但我想要一个匹配下面示例中标记的立即结束的正则表达式，它应该匹配第 5 行。

<html>
<body>
<form method = "post" name="loginForm" >
<input type="text" name="userName"/>
</form>
<form method = "post" name="signupForm" >
<input type="text" name="userName"/>
</form>
</body>
</html>

【问题讨论】：

感谢您的快速回复和建议。我找到了我的答案。特别感谢 Guffa。

标签： html regex

【解决方案1】：

只需使模式不贪婪，以便它匹配尽可能少的字符而不是尽可能多的字符：

<form[^>]*name="loginForm"[^>]*>[^~]*?</form>

编辑：
将表单标签中的.*改为[^>]*，使其在标签外不匹配。

【讨论】：

嵌套标签将失败。不确定表单是否会嵌套，但使用正则表达式解析 HTML 仍然不是一个好主意，即使它在某些特定情况下有效。
@Guffa：那么你应该让所有量词都不是贪婪的。
问题没有要求匹配的表单标签，它要求第一个，这可能不是最好的做法，但有时这是一个有效且有用的技巧。
@Chris：表单标签不能嵌套。
@Kevin：第一个结束标签是匹配标签。

【解决方案2】：

使用真正的解析器，例如 DOMDocument、SimpleXML 或 SimpleHTMLDOM。正则表达式不适合解析 HTML 等非常规语言。

【讨论】：

+1 本来想说的，但我必须先让这个问题看起来像样。为了完整起见，让我们链接到原因解释 (stackoverflow.com/questions/701166/…) 和解析器示例 (stackoverflow.com/questions/773340/…)。
正则表达式可以很好地解析这样的字符串。绝对不需要它是正则语言才能被正则表达式解析。

【解决方案3】：

你不应该使用正则表达式，而是用 DOM 解析它：

Javascript：

var forms = document.getElementsByTagName('form');
forms[0] // is the first form element.

PHP：

$dom = new DOMDocument();
$dom->loadHTML( $html );
$forms = $dom->getElementsByTagName('form');
$first = $forms->item(0); // reference to first form

您可以在 Python 中使用 minidom 和 ElementTree。

【讨论】：