關于html字符串正則判斷和匹配的具體使用

2024-09-05 07:23:10

字體：大中小

來源：轉載

供稿：網友

前言

最近在寫一個組件，需要傳入html字符串，里面用到了很多正則來判斷是否是html標簽或者匹配標簽內的文本等，這里記錄下。

如何判斷傳入的字符串包含一個閉合html標簽

/<//?[a-z][/s/S]*>/i

這個其實并不能判斷標簽閉合的完整性或者順序等，只是判斷字符串中是否有html標簽(包含自定義標簽)，這對我來說足夠了。這給正則里面需要學習的就是[/s/S]可以代表一切字符串。

/<([a-z][/s/S]*)>.*<///1>/i

這個就更加規范一些可以匹配一個完整閉合的標簽，/1代表前面的圓括號內捕獲的內容，是正則的比較高級的用法。

如何匹配出一個標簽內的文本內容

str = str.replace(/<title>[/s/S]*?<//title>/, '<title>' + newTitle + '<//title>');

最好用一個語義化標簽或者自定義標簽來做匹配，如果使用div這種一段字符串中可能有好多個的，問題會很多。
[sS]*代表任意字符
*后面的?代表非貪婪模式，因為正則匹配默認都是貪婪模式的

總結

用正則從html標簽中匹配文字其實是一種很低效的方式，不到必要時候也沒必要去使用，有篇文章深刻的批判了這種行為有興趣可以看一下。

常見正則表達式

匹配中文字符的正則表達式： [u4e00-u9fa5]
評注：匹配中文還真是個頭疼的事，有了這個表達式就好辦了
匹配雙字節字符(包括漢字在內)：[^x00-xff]
評注：可以用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）
匹配空白行的正則表達式：ns*r
評注：可以用來刪除空白行
匹配HTML標記的正則表達式：<(S*?)[^>]*>.*?|<.*? />
評注：網上流傳的版本太糟糕，上面這個也僅僅能匹配部分，對于復雜的嵌套標記依舊無能為力
匹配首尾空白字符的正則表達式：^s*|s*$
評注：可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式
匹配Email地址的正則表達式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
評注：表單驗證時很實用
匹配網址URL的正則表達式：^(http|https):////[/w/-_]+(/.[/w/-_]+)+([/w/-/.,@?^=%&:/~/+#]*[/w/-/@?^=%&/~/+#])?$
評注：網上流傳的版本功能很有限，上面這個基本可以滿足需求
匹配帳號是否合法(字母開頭，允許5-16字節，允許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
評注：表單驗證時很實用
匹配國內電話號碼：d{3}-d{8}|d{4}-d{7}
評注：匹配形式如 0511-4405222 或 021-87888822
匹配騰訊QQ號：[1-9][0-9]{4,}
評注：騰訊QQ號從10000開始
匹配中國郵政編碼：[1-9]d{5}(?!d)
評注：中國郵政編碼為6位數字
匹配身份證：d{15}|d{18}
評注：中國的身份證為15位或18位
匹配ip地址：d+.d+.d+.d+
評注：提取ip地址時有用
匹配特定數字：
　　^[1-9]d*$　　 //匹配正整數
　　^-[1-9]d*$ 　 //匹配負整數
　　^-?[1-9]d*$　　 //匹配整數
　　^[1-9]d*|0$　 //匹配非負整數（正整數 + 0）
　　^-[1-9]d*|0$　　 //匹配非正整數（負整數 + 0）
　　^[1-9]d*.d*|0.d*[1-9]d*$　　 //匹配正浮點數
　　^-([1-9]d*.d*|0.d*[1-9]d*)$　 //匹配負浮點數
　　^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$　 //匹配浮點數
　　^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$　　 //匹配非負浮點數（正浮點數 + 0）
　　^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$　　//匹配非正浮點數（負浮點數 + 0）
評注：處理大量數據時有用，具體應用時注意修正
匹配特定字符串：
　　^[A-Za-z]+$　　//匹配由26個英文字母組成的字符串
　　^[A-Z]+$　　//匹配由26個英文字母的大寫組成的字符串
　　^[a-z]+$　　//匹配由26個英文字母的小寫組成的字符串
　　^[A-Za-z0-9]+$　　//匹配由數字和26個英文字母組成的字符串
　　^w+$　　//匹配由數字、26個英文字母或者下劃線組成的字符串
在使用RegularExpressionValidator驗證控件時的驗證功能及其驗證表達式介紹如下:
只能輸入數字：“^[0-9]*$”
只能輸入n位的數字：“^d{n}$”
只能輸入至少n位數字：“^d{n,}$”
只能輸入m-n位的數字：“^d{m,n}$”
只能輸入零和非零開頭的數字：“^(0|[1-9][0-9]*)$”
只能輸入有兩位小數的正實數：“^[0-9]+(.[0-9]{2})?$”
只能輸入有1-3位小數的正實數：“^[0-9]+(.[0-9]{1,3})?$”
只能輸入非零的正整數：“^+?[1-9][0-9]*$”
只能輸入非零的負整數：“^-[1-9][0-9]*$”
只能輸入長度為3的字符：“^.{3}$”
只能輸入由26個英文字母組成的字符串：“^[A-Za-z]+$”
只能輸入由26個大寫英文字母組成的字符串：“^[A-Z]+$”
只能輸入由26個小寫英文字母組成的字符串：“^[a-z]+$”
只能輸入由數字和26個英文字母組成的字符串：“^[A-Za-z0-9]+$”
只能輸入由數字、26個英文字母或者下劃線組成的字符串：“^w+$”
驗證用戶密碼:“^[a-zA-Z]w{5,17}$”正確格式為：以字母開頭，長度在6-18之間，只能包含字符、數字和下劃線。
驗證是否含有^%&'',;=?$"等字符：“[^%&'',;=?$x22]+”
只能輸入漢字：“^[u4e00-u9fa5],{0,}$”
驗證Email地址：“^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$”
驗證電話號碼：“^((d{3,4})|d{3,4}-)?d{7,8}$”
正確格式為：“XXXX-XXXXXXX”，“XXXX-XXXXXXXX”，“XXX-XXXXXXX”，
“XXX-XXXXXXXX”，“XXXXXXX”，“XXXXXXXX”。
驗證身份證號（15位或18位數字）：“^d{15}|d{}18$”
驗證一年的12個月：“^(0?[1-9]|1[0-2])$”正確格式為：“01”-“09”和“1”“12”
驗證一個月的31天：“^((0?[1-9])|((1|2)[0-9])|30|31)$”
正確格式為：“01”“09”和“1”“31”。
匹配中文字符的正則表達式： [u4e00-u9fa5]
匹配雙字節字符(包括漢字在內)：[^x00-xff]
匹配空行的正則表達式：n[s| ]*r
匹配HTML標記的正則表達式：/<(.*)>.*|<(.*) />/
匹配首尾空格的正則表達式：(^s*)|(s*$)