javascript正则表达式各种链接匹配问题总结

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：

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：

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：

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：

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：

基本正则：

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：

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：

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。