使用正则表达式解析有限的 HTML/XML，但使用嵌入式标记

Question

我在 HTML/XML 中有以下行：

<p class="myText" style="...">some text here</p>

我使用以下正则表达式来捕获"p"标签中的内容：

<psclass="myText"[^>]*>([^<]*)</p>

它一直工作到今天，当时以下 HTML/XML 在"p"标签中嵌入了一些"i"和"b"标签，如以下示例所示：

<p class="myText" style="...">some <b style="...">bold</b> and <i>italic</I> text here</p>

如何修改正则表达式以获取最后一个示例中"p"标签中的内容，包括"b"和"i"标签？

Answer 1

使用惰性模式在字符串中查找">"的第一个实例：

<p.+?>(.*)</p>

在这里测试它： https://regex101.com/r/Lz7GT0/1

如果要在同一字符串中处理多个匹配项，则只需使用有状态解析器并多次调用匹配项即可。

在这里尝试一下： http://jsfiddle.net/jarn851m/

Answer 2

总而言之，由于有很多"这不应该使用正则表达式完成"的热量，这就是解决方案。 原始 XML：

<p class="myText" style="...">some text here</p>

原始正则表达式来解决它：

<psclass="myText"[^>]*>([^<]*)</p>

请注意使用 ^ 运算符，当 XML 更改为以下运算符时，该运算符将失败：

<p class="myText" style="...">some <b style="...">bold</b> and <i>italic</i> text here</p>

因此，解决方案正则表达式是：

<psclass="myText".+?>(.*?)</p>

请注意 ^ 运算符的删除和 ？ 运算符的引入，这是主要区别。 删除 ^ 会查找任何内容，直到一个开放的尖括号，即 ？运算符阻止正则表达式贪婪，并在找到的第一个打开的尖括号上停止匹配。

真棒不是吗？ 人们一直在努力将XML解析器用于如此简单和超快的东西！