首页 > 代码库 > 正则匹配闭合HTML标签（支持嵌套）
正则匹配闭合HTML标签（支持嵌套）
OK，先确定我们要解决的问题——从一段Html文本中找出特定id的标签的innerHTML。
这里面最大的难点就是，Html标签是支持嵌套的，怎么能够找到指定标签相对应的闭合标签呢？
我们可以这样想，先匹配最前面的起始标签，假设是div吧（<div），接着一旦遇到嵌套div，就“压入堆栈”，后面如果遇到div闭合标签了，就“弹出堆栈”。如果遇到闭合标签的时候，堆栈里面已经没有东西了，那么匹配结束，此结束标签为正确的闭合标签。
我之所以能够这样去思考，是因为我了解过正则的特性，我知道正则中的平衡组能够实现我刚才说的“堆栈”操作。所以，如果我们要编写复杂正则表达式，需要对正则的一些高级特性至少有所了解，这样我们思考问题才有个方向。
================================
匹配任意闭合HTML标签的正则表达式：
<(?<HtmlTag>[\w]+)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>
如果只想匹配div标签，可以使用下面的正则表达式：
<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>是的，你可以把div修改成任意你想要匹配的HTML标签
如果想同时匹配多个HTML标签，可以使用下面的正则表达式：
<(?<HtmlTag>(div|span|h1))[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>
你还可以继续添加更多要匹配的标签
如果想匹配包含ID的标签，可以使用下面的正则表达式：
<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["‘]?)footer(?(Quote)\k<Quote>)[^>]*?(/>|>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>)这个正则匹配任意id为footer的HTML标签
div测试
<body> <div>111</div>（1） <div>（2） <span>222</span> <div>（3） <span>33di333</span> </div> </div> <div>444</div>（4）</body>
//<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?)*</\k<HtmlTag>>
匹配结果：(1) 、(4)
//<(?<HtmlTag>div)[^>]*?>((?<Nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-Nested>)|.*?|\s)*</\k<HtmlTag>>
匹配结果：(1) 、(2)、(4)
//<div>[^<]*</div>
匹配结果：(1) 、(4)
//<div>[^<]*[^d]*[^i]*[^v]*[^>]*</div>
匹配结果：(1) 、(3)、(4)
//<div>[^<]*[^d]*[^i]*[^v]*[^>]*(包含)[^<]*[^d]*[^i]*[^v]*[^>]*</div>
根据包还内容确定结果。
注意：正则前面变为<div[^>]*>可以匹配div里面的属性
工具下载：https://pan.baidu.com/s/1kVsaqwv
正则匹配闭合HTML标签（支持嵌套）