我需要使用正则表达式从 javascript 中的文本中收集所有链接，将 href 的实际内容和链接的文本分开。所以如果链接是
<a href="someplace/topics/us/john.htm" class="r_lapi">John Dow</a>
我想收集href和“John Dow”的内容。
链接中有 class="r_lapi" 可以识别我正在寻找的链接。 我现在拥有的是：
var link_regex = new RegExp("/<a[^]*</a>/");
var match = content.match(link_regex, 'i');
console.log("match =", match );
这绝对什么都不做。非常感谢任何帮助。
【问题讨论】：
标签： javascript regex
如果你可以使用 DOM（你说过你想要正则表达式，但是......）
var i;
var links = document.querySelectorAll("a.r_lapi");
for (i = 0; i < links.length; ++i) {
// use `links[i].innerHTML` here
}
您在评论中说您正在尝试使用正则表达式执行此操作，因为您通过 ajax 接收链接 HTML（可能与一堆其他内容混合）。您可以使用浏览器对其进行解析，然后在解析结果中查找链接，无需将 HTML 添加到您的文档中，使用断开连接的元素：
var div, links, i;
// Create an element; note we don't append it anywhere
div = document.createElement('div');
// Fill it in with the HTML
div.innerHTML = text;
// Find relevant links (same as the earlier example)
links = div.querySelectorAll("a.r_lapi");
for (i = 0; i < links.length; ++i) {
// use `links[i].innerHTML` here
}
Live Example，使用通过 ajax 返回的文本：
<a href="someplace/topics/us/john.htm" class="r_lapi">John Dow</a>
<a href="foo">Don't pick me</a>
<a href="blahblahblah" class="r_lapi">Jane Bloggs</a>
这里唯一真正的“陷阱”是，如果 HTML 包含图像标签，浏览器将开始下载这些图像（即使它们不会在任何地方显示）。即使您使用文档片段也是如此，这也是我没有在上面打扰的部分原因。 （文本中的script 标记不是问题，当您使用innerHTML 时它们不会被执行，但要注意它们是由诸如jQuery 的html 函数之类的东西执行的。）
或者，如果数据以其他形式（如 JSON）返回给您，其中包含 HTML，解析 JSON（或其他），然后通过 div 一次运行每个 HTML 片段：
function handleLinks(data) {
var div, links, htmlIndex, linkIndex;
div = document.createElement('div');
for (htmlIndex = 0; htmlIndex < data.htmlList.length; ++htmlIndex) {
div.innerHTML = data.htmlList[htmlIndex];
links = div.querySelectorAll("a.r_lapi");
for (linkIndex = 0; linkIndex < links.length; ++linkIndex) {
// Use `links[linkIndex].innerHTML` here
}
}
}
Live Example，使用通过 ajax 返回的 JSON：
{
"htmlList": [
"blah blah <a href=\"someplace/topics/us/john.htm\" class=\"r_lapi\">John Dow</a> blah blah",
"<a href=\"foo\">Don't pick me</a>",
"Two in this one <a href=\"blahblahblah\" class=\"r_lapi\">Jane Bloggs</a> and <a href=\"blahblahblah\" class=\"r_lapi\">Trevor Bloggs</a>"
]
}
如果你真的需要使用正则表达式：
请注意，您不能使用 JavaScript 中的正则表达式可靠地做到这一点；你需要一个解析器。
您可以关闭几个假设。
var link_regex = /<a(?:>|\s[^>]*>)(.*?)<\/a>/i;
var match = content.match(link_regex);
if (match) {
// Use match[1], which contains it
}
寻找这个：
<a
>，要么至少一个空白字符后跟任意数量的不是>的字符，再跟一个>
</a>
第 3 步中的“最小匹配”是，如果我们有 <a>first</a><a>second</a>，我们不会得到比我们想要的更多。
我没有尝试按班级限制正则表达式，我将把它作为练习留给读者。 :-)
不过，这又是一个坏主意。相反，请使用 DOM（如果您在浏览器之外执行此操作，则可以使用大量 DOM 实现）。
上面所做的主要假设之一是锚的属性值中永远不存在>字符（例如，属性值中的<a href="..." data-something="I have a > in me">John Dow></a>). It's perfectly valid to have a>`，因此该假设无效。
【讨论】：
如果你在浏览器中，你真的应该使用原生 DOM。
如果不是，假设 href 不包含像 > 或 " 这样的奇怪字符，您可以使用以下正则表达式：
var matches = link.match(/^<a\s+[^>]*href="([^"]+)"[^>]*>([^<]*)<\/a>$/);
matches[1] == "someplace/topics/us/john.htm";
matches[2] == "John Dow";
请注意，这将在某些链接上失败，例如
<a href=">">test</a><a href="test">John <b>Dow</b></a>要获得完整的解决方案，请使用 HTML 解析器。
【讨论】：