匹配源代码中的链接
能够匹配HTML代码中链接的正则。
原帖正则：
/<a href=".+?">.+?</a>/g 感觉有点严格，首先要<a href="".+?">有，而且href属性可以是一个或者多个除换行外任意字符(非贪婪)。后面是.+?</a>，一个或者多个除换行外任意字符（非贪婪），再加上结束标签。
有个问题，如果a的起始标签最后有空格，或者除了href还有其它属性的话，上面的正则就不能匹配这个链接了。
例如：
| 代码如下 | 复制代码 |
|
<a href="asdfs" >……多了个空格。 <a id="xx" href=""asdfs">……前面有属性。 …… 重写正则： /<as(s*w*?=".+?")*(s*href=".+?")(s*w*?=".+?")*s*>[sS]*?</a>/ 思路如下：首先要有<a和一个空格。/<as/ 第一个(s*w*?=".+?")* |
|
可以匹配一个属性，属性前面可能有或者没有多余的空格，用s*匹配；属性名肯定是单词字符，用w*?匹配；=".+?"就是匹配属性值了非换行字符若干个；整个括号外面加个*表示可能有任意多个属性。
(s*href=".+?")
匹配href，它也是一个属性，所以只要把上面子正则表达式中的w修改为href=就行了。
(s*w*?=".+?")*重复第一个子正则表达式，再次接受任意个属性。
s*>，属性最后再加上若干个空格和>。
[sS]*?，链接的文字，可能有任何字符组成，若干个，非贪婪。
</a>最后是结束标签。
补充：属性名和=之间，以及=和属性值之间也可能有空格。所以要再加上几个s*。
最后的实例代码如下：
| 代码如下 | 复制代码 |
| <script type="text/javascript"> function findLinks(str){ var reg = /<as(s*w*?s*=s*".+?")*(s*hrefs*=s*".+?")(s*w*?s*=s*".+?") *s*>[sS]*?</a>/g; var arr = str.match(reg); for(var i=0;i<arr.length;i++){ //alert(arr[i]); document.write('link:'+arr[i]+'<br />'); } } var str = '<p>测试链接：<a id = "test" href="http://bbs." title="无敌">经典论坛 </a></p><a? href = "/"? >蓝色理想</a>'; var arr = findLinks(str); </script> |
|
会把所有的链接在页面直接显示出来。注意，
本帖遗留问题：如何执行从右到左的匹配。貌似JS或者VBS没有提供这个功能2、JS或者VBS不支持 后行断言。。用什么方法实现这个功能。
匹配链接的文字
代码：<a href="#>这里要保存</a>，只保存链接的文本内容，标签信息删掉。
前面写过一个匹配链接的正则：
| 代码如下 | 复制代码 |
| /<as(s*w*?=".+?")*(s*href=".+?")(s*w*?=".+?")*s*>[sS]*?</a>/ | |
不过我们需要捕获的是文字内容，所以需要做一定的修改。第一步就是在所有的括号内都加上?:表示不捕获。第二步就是再多加一个括号放在[sS]*?两侧，这样就可以捕获到链接的文字内容了。最后正则如下：
| 代码如下 | 复制代码 |
|
/<as(?:s*w*?s*=s*".+?")*(?:s*hrefs*=s*".+?")(?:s*w*?s*=s*".+?")*s*>([sS]*?)</a>/ 测试代码如下： <script type="text/javascript"> |
|
正则判断标签是否闭合
例如：<img xxx=”xxx” 就是没有闭合的标签；
<p>p的内容，同样也是没闭合的标签。
从简单的正则开始，先匹配起始标签
/<[a-z]+/i 再加上若干属性：
/<[a-z]+(s*w*?s*=s*".+?")*/i 下面就到关键点了，标签的闭合。标签可能有两种方式闭合，<img xxx=”xxx” />
或者是<p>xxx </p>。
(s*/>)
匹配img类的结束，即/>。
(s*?>[sS]*?</1>)
匹配p类标签的结束标签。>
是其实标签末尾，之后是标签内容若干个任意字符，最后的</1>就是结束标签了。
加上一个或就可以解决了，最后的完整正则表达式：
整个正则：
/<([a-z]+)(s*w*?s*=s*".+?")*(s*?>[sS]*?</1>|s*/>)/i
拿这个正则，只要匹配到了就表示闭合，没匹配到则没有闭合。不过没有考虑相同标签嵌套的问题，例如
<div>aaaaaa<div>test</div>
也被判断为合格，可以通过把最后的匹配p类结束标签写成子正则表达式，并且更改为非贪心，然后在匹配结果中检查是否成对。正则如下：
/<([a-z]+)(s*w*?s*=s*".+?")*(s*?>[sS]*?(</1>)+|s*/>)/i
用正则获得指定标签的内容
来源：求一正则
有如下代码：
| 代码如下 | 复制代码 |
|
<channel> <title>蓝色理想</title> </channel> <item> <title>界面设计测试规范</title> </item> <item> <title>《古典写实美女》漫画教程</title> </item> <item> <title>安远??消失的光年</title> </item> <item> <title>asp.net 2.0多语言网站解决方案</title> </item> 要求匹配item里的title而不匹配channel里的title。 |
|
基本正则：
| 代码如下 | 复制代码 |
|
/<title>[sS]*?</title>/gi |
|
首先是title标签，内容为任意字符若干个，然后是title结束标签。这个正则已经能匹配到所有的title标签。
首先，我简单地修改了一下原正则：
| 代码如下 | 复制代码 |
|
/<title>[^<>]*?</title>/gi， |
|
因为title里面不应该再嵌有其它标签，这个正则同样是匹配所有标题的内容，最后再加上不去匹配channel中的title。整个正则如下：
| 代码如下 | 复制代码 |
|
/<title>[^<>]*?</title>(?!s*</channel>)/gi (?!s*</channel>) |
|
表示要匹配字符串的后面不能跟着若干个空格和一个channel的结束标签。