正则表达式是做文本解析工作必不可少的技能。如Web服务器日志分析，网页前端开发等。很多高级文本编辑器都支持正则表达式的一个子集，熟练掌握正则表达式，经常能够使你的一些工作事半功倍。例如统计代码行数，只需一个正则就搞定。嵌套Html标签的匹配是正则表达式应用中一个比较难的话题，因为它涉及到的正则语法比较多，也比较难。因此也就更有研究的价值。
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
我们可以这样想，先匹配最前面的起始标签，假设是div吧（<div），然后一旦遇到嵌套div，就“压入堆栈”，然后一遇到div结束标签了，就“弹出堆栈”。如果遇到结束标签的时候，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。
这里假设我们要匹配的文本是一段合法的Html文本
<div id="myID"> <div class="s-sub"> <ul> <li class="s-hw"><a href="http://consumer.huawei.com/cn/" target="_blank">华为官网</a></li> <li class="s-honor"><a href="http://www.honor.cn/" target="_blank">华为荣耀</a></li> <li class="s-emui"><a href="http://emui.huawei.com/cn/" target="_blank">EMUI</a></li> <li class="s-appstore"><a href="http://appstore.huawei.com/" target="_blank">应用市场</a></li> <li class="s-cloud"><a href="http://cloud.huawei.com/cn" target="_blank">云服务</a></li> <li class="s-developer"><a href="http://developer.huawei.com/" target="_blank">开发者联盟</a></li> <li class="s-club"><a href="http://club.huawei.com" target="_blank">花粉俱乐部</a></li> </ul> </div> <p>test text</p> <div> <p>test text</p> </div> </div>
匹配起始标签
起始标签特征很好提取，以尖括号打头，然后跟着一连串英文字母，然后一大串属性中（非尖括号字符）匹配id（不区分大小写）=myID。需要注意的是，myID可以被双引号或者单引号包裹，也可以什么都不加。正则如下：
<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["']?)myID(?(Quote)\k<Quote>)[^>]*?(/>|>
上面的正则表达式需要做几点说明：
1. <尖括号在正则中算是一个特殊字符，在显式捕获分组中用它将分组名括起来。但是因为开头的尖括号在此上下文下并不会出现解析歧义，因此加不加转义符效果是一样的。
2. (?<GroupName>RegEx)格式定义一个命名分组，我们在上面定义了一个HtmlTag的标签分组，用来存放匹配到的Html标签名。Quote分组是用来给后面的匹配使用的。
3. (?(GroupName)Then|Else)是条件语句，表示当捕获到GroupName分组时执行Then匹配，否则执行Else匹配。上面的正则中，我们先尝试匹配footer字符串左边的引号，并将其存入LeftQuote分组中，然后在footer右侧进行条件解析，如果之前匹配到LeftQuote分组，那么右侧也应该批评LeftQuote分组。这样一来，我们就能精确匹配id的各种情况了。
匹配闭合标签
((?<nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-nested>)|.*?)*</\k<HtmlTag>>
在成功匹配到起始标签之后，后面的Html文本可以分为三种情况：
A. 匹配到嵌套div起始标签<div，这个时候，需要将其捕获到nested分组。
B. 匹配到嵌套div起始标签的闭合标签，这个时候，需要将之前的nested分组释放
C. 其他任意文本。注意，需要使用.*?方式关闭贪婪匹配，否则最后的闭合标签可能会过度匹配
使用(RegEx1|RegEx2|RegEx3)*这种方式，可以将几个条件以或的形式组合起来，然后再取若干次匹配结果，最终再匹配闭合标签。其中(?<-nested>)是表示释放之前捕获的nested分组。确切的语法是(?<N-M>)即使用N分组替换掉M分组，如果N分组没有指定或不存在，则释放M分组。
完整的正则表达式为：
<(?<HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?<Quote>["']?)myID(?(Quote)\k<Quote>)[^>]*?(/>|>((?<nested><\k<HtmlTag>[^>]*>)|</\k<HtmlTag>>(?<-nested>)|.*?)*</\k<HtmlTag>>)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
