正则表达式：如何从标签内部获取内容（使用 javascript）？答案

【问题标题】：Regex: how to get contents from tag inner (use javascript)?正则表达式：如何从标签内部获取内容（使用 javascript）？
【发布时间】：2010-04-12 14:45:40
【问题描述】：

页面内容：

aa<b>1;2'3</b>hh<b>aaa</b>..
 .<b>bbb</b>
blabla..

我想得到结果：

1;2'3aaabbb

匹配标签是<b> 和</b>

如何使用 javascript 编写这个正则表达式？谢谢！

【问题讨论】：

标签： javascript html regex

【解决方案1】：

Lazyanno,

当且仅当：

您已经阅读了SLaks 的帖子（以及previous article he links to），并且
您完全了解使用正则表达式从 HTML 中提取信息可能会破坏的众多奇妙方式，并且
您相信您的情况不存在任何问题（例如，您可以保证您的输入永远不会包含嵌套、不匹配等。<b>/</b> 标签或出现 @ 987654326@或</b>内<script>...</script>或评论标签等）
您非常肯定地想要继续进行正则表达式提取

...然后使用：

var str = "aa<b>1;2'3</b>hh<b>aaa</b>..\n.<b>bbb</b>\nblabla..";

var match, result = "", regex = /<b>(.*?)<\/b>/ig;
while (match = regex.exec(str)) { result += match[1]; }

alert(result);

生产：

1;2'3aaabbb

【讨论】：

@lazyanno，在选择正则表达式或 DOM 解决方案（基于性能标准）之前，请确保同时计时（解析“代表性”字符串 多次循环使用这两种方法，然后查看各种浏览器上的实际时间。）

【解决方案2】：

You cannot parse HTML using regular expressions.

相反，您应该使用 Javascript 的 DOM。

例如（使用 jQuery）：

var text = "";
$('<div>' + htmlSource + '</div>')
    .find('b')
    .each(function() { text += $(this).text(); });

我将 HTML 包装在 <div> 标记中以查找嵌套和非嵌套 <b> 元素。

【讨论】：

1732348 是 SO 的 42。它回答了大量的问题。为它投票开始感觉很愚蠢，但见鬼，它不会很快停止成为现实......
郑重声明，您不能可靠地使用正则表达式解析 HTML。如果满足某些条件，则可以使用正则表达式从格式良好的 (X)HTML 中提取信息。
我想使用 javascript 正则表达式来获得我不喜欢解析 HTML 的结果（这很慢）还有其他想法吗？谢谢:)
@lazyanno，如果您尝试从页面本身提取信息，则 HTML 已经被浏览器解析，您无需为使用 DOM 支付任何额外的惩罚，例如 SLaks建议
你不能用正则表达式来做到这一点。（除非你想让它每隔几个小时就神秘地失败一次）

【解决方案3】：

这里是一个没有 jQuery 依赖的例子：

// get all elements with a certain tag name
var b = document.getElementsByTagName("B");

// map() executes a function on each array member and
// builds a new array from the function results...
var text = b.map( function(element) {
  // ...in this case we are interested in the element text
  if (typeof element.textContent != "undefined")
    return element.textContent; // standards compliant browsers
  else
    return element.innerText;   // IE
});

// now that we have an array of strings, we can join it
var result = text.join('');

【讨论】：

我认为他的 HTML 不在 DOM 中。
@SLaks：嗯……他在帖子中说“页面内容：”。
阅读他对我的回答的评论。
@SLaks：我明白了。万岁，提出精确的问题。

【解决方案4】：

      var regex = /(<([^>]+)>)/ig;
      var bdy="aa<b>1;2'3</b>hh<b>aaa</b>..\n.<b>bbb</b>\nblabla..";

      var result =bdy.replace(regex, "");
      alert(result) ;

见：http://jsfiddle.net/abdennour/gJ64g/

【讨论】：

这个适用于任何标签，正在寻找那个，谢谢

【解决方案5】：

只需使用“？”如果您想使用正则表达式，则在您的内部文本生成模式之后的字符。例如：

".*" to "(.*?)"

【讨论】：