17370845950

可用正则提取HTML标签文本，如匹配 内容 中的内容；2. 可提取标签属性值，如 img 的 src；3. 可提取超链接的URL和显示文本；4. 但正则不适用于嵌套或格式错误的HTML，建议仅在简单场景使用，复杂结构应使用DOM解析器。

在处理网页内容或字符串时，经常需要从HTML中提取特定信息。虽然不推荐用正则表达式解析完整的HTML结构（应使用DOM解析器），但在简单场景下，正则表达式可以快速提取所需内容。

1. 提取HTML标签中的文本内容

如果你想从某个HTML标签中提取文本，比如获取

Hello

中的 "Hello"，可以使用如下正则：

/

(.*?)/g

说明：

• (.*?) 是非贪婪匹配，捕获标签内的内容
• g 标志表示全局匹配，找到所有匹配项
• 注意斜杠 / 需要转义为 \/

示例代码：

const html = '

第一段

第二段

'; const matches = [...html.matchAll(/

(.*?)/g)]; matches.forEach(match => console.log(match[1])); // 输出：第一段，第二段

2. 提取指定标签的属性值

例如提取所有图片的 src 属性：

/]+src=["']([^"']+)["'][^>]*>/g

说明：

• [^>]+ 匹配标签内任意非“>”字符
• ["']([^"']+) 匹配单引号或双引号内的src值
• 适用于格式较规范的HTML片段

示例：

const html = ''; const srcs = [...html.matchAll(/]+src=["']([^"']+)["'][^>]*>/g)]; srcs.forEach(match => console.log(match[1])); // pic1.jpg, pic2.png

3. 提取超链接中的URL和链接文本

提取 ... 的链接地址和显示文字：

/]+href=["']([^"']+)["'][^>]*>(.*?)/g

示例：

const html = `访问示例网站`; const links = [...html.matchAll(/]+href=["']([^"']+)["'][^>]*>(.*?)/g)]; links.forEach(match => { console.log('URL:', match[1]); // https://example.com console.log('文本:', match[2]); // 访问示例网站 });

4. 注意事项与局限性

正则提取HTML有明显限制：

• 无法处理嵌套标签（如 div 套 div）
• 对格式错误的HTML容易出错
• 不支持完整HTML语法（注释、自闭合标签等）
• 性能不如原生DOM解析

建议： 在Node.js或浏览器环境中，优先使用DOMParser或jsdom等工具。仅在轻量、可控的HTML片段中使用正则。

基本上就这些，正则适合简单提取，复杂结构还是交给解析器更稳妥。