最佳正则表达式方法[重复]答案

【问题标题】：Best Regular Expressions Approach [duplicate]最佳正则表达式方法[重复]
【发布时间】：2014-11-21 19:58:20
【问题描述】：

我必须解析一个 HTML 文本并从表 tr td 中取出所有 iframe、脚本和输入元素以及宽度属性。最后我必须在内部寻找 tr widthout td（嵌套）

我的正则表达式是这样的：

<tr>[^<td>]*<\/tr>|<script[^<]*>.*[\s\S]*<\/script>|
<iframe[^<]*>.*[\s\S]*<\/iframe>|
 <(?:table|td|tr)[^<>]+style\s*=\s*(?:"|').*width(?:=|\:)\w*\W?(?:"|')|<(?:table|td|tr)  [^<>]+width\s*(?:=|:)\s*(?:"|')?\w*(?:"|')?

第一个查找没有嵌套 TD 的 TR，第二个查找 iframes 元素，第三个查找带有包含宽度样式的样式属性的 TABLE|TD|TR 或直接带有宽度属性的 TABLE|TD|TR

我的问题：

我正在使用 regex101.com 生成的以下 Javascript 代码：

    while ((m = re.exec(st)) != null) {
            if (m.index === re.lastIndex) {
                re.lastIndex++;
            }

if(m.search(...)){}else if(m.search(...))else ...

问题是在 if 语句中我必须知道找到了哪个模式， TR 没有嵌套的 TD 吗？是 iframe 吗？是宽度属性吗？我怎样才能优化代码而不必使用这种逻辑？捕获组？

此文本插入网页的文本区域字段中，因此有时可能只是普通文本，问题是当用户在不知道文本区域的情况下复制和粘贴 html 代码。

【问题讨论】：

按原样解析 DOM；尤其是因为它是javascript。正则表达式会使事情变得过于复杂
您遇到问题的原因是您试图用螺丝刀（正则表达式）修剪草坪（解析 HTML）。使用 HTML 解析器解析 HTML。使用 HTML DOM 导航和操作 HTML。不要将 DOM 视为字符串。
问题是我必须分析复制到 textarea 中的文本，有时这个文本不是 HTML 文本，有时是因为用户在不知情的情况下复制并粘贴了所有页面
我不明白为什么这是一个必须用正则表达式分析文本的特殊情况。插入数据库时以及在页面上显示时正确转义文本。

标签： javascript html regex optimization

【解决方案1】：

您无法使用正则表达式解析 HTML。如果您使用 JavaScript，您可能会考虑使用 documentFragment 来操作 DOM 元素。

RegEx match open tags except XHTML self-contained tags

【讨论】：

问题是我必须分析复制到 textarea 中的文本，有时这个文本不是 HTML 文本，有时是因为用户在不知情的情况下复制并粘贴了所有页面