关于html字符串正则判断和匹配的具体使用

前言

最近在写一个组件，需要传入html字符串，里面用到了很多正则来判断是否是html标签或者匹配标签内的文本等，这里记录下。

如何判断传入的字符串包含一个闭合html标签

• /<\/?[a-z][\s\S]>/i

这个其实并不能判断标签闭合的完整性或者顺序等，只是判断字符串中是否有html标签(包含自定义标签)，这对我来说足够了。这给正则里面需要学习的就是[\s\S]可以代表一切字符串。

• /<([a-z][\s\S])>.<\/\1>/i

这个就更加规范一些可以匹配一个完整闭合的标签，\1代表前面的圆括号内捕获的内容，是正则的比较高级的用法。

如何匹配出一个标签内的文本内容

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

• 最好用一个语义化标签或者自定义标签来做匹配，如果使用div这种一段字符串中可能有好多个的，问题会很多。
• [sS]代表任意字符
• 后面的?代表非贪婪模式，因为正则匹配默认都是贪婪模式的

用正则从html标签中匹配文字其实是一种很低效的方式，不到必要时候也没必要去使用，有篇文章深刻的批判了这种行为有兴趣可以看一下。

常见正则表达式

匹配中文字符的正则表达式 [u4e00-u9fa5]  
评注匹配中文还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)[^x00-xff]
评注可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
匹配空白行的正则表达式nsr
评注可以用来删除空白行
匹配HTML标记的正则表达式<(S?)[^>]>.?|<.? />
评注网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式^s|s$
评注可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
匹配Email地址的正则表达式w+([-+.]w+)@w+([-.]w+).w+([-.]w+)
评注表单验证时很实用
匹配网址URL的正则表达式^(http|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&amp;:/~\+#][\w\-\@?^=%&amp;/~\+#])?$
评注网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注表单验证时很实用
匹配国内电话号码d{3}-d{8}|d{4}-d{7}
评注匹配形式如 0511-4405222 或 021-87888822
匹配腾讯QQ号[1-9][0-9]{4,}
评注腾讯QQ号从10000开始
匹配中国邮政编码[1-9]d{5}(?!d)
评注中国邮政编码为6位数字
匹配身份证d{15}|d{18}
评注中国的身份证为15位或18位
匹配ip地址d+.d+.d+.d+
评注提取ip地址时有用
匹配特定数字
　　^[1-9]d$　 　 //匹配正整数
　　^-[1-9]d$ 　 //匹配负整数
　　^-?[1-9]d$　　 //匹配整数
　　^[1-9]d|0$　 //匹配非负整数（正整数 + 0）
　　^-[1-9]d|0$　　 //匹配非正整数（负整数 + 0）
　　^[1-9]d.d|0.d[1-9]d$　　 //匹配正浮点数
　　^-([1-9]d.d|0.d[1-9]d)$　 //匹配负浮点数
　　^-?([1-9]d.d|0.d[1-9]d|0?.0+|0)$　 //匹配浮点数
　　^[1-9]d.d|0.d[1-9]d|0?.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
　　^(-([1-9]d.d|0.d[1-9]d))|0?.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注处理大量数据时有用，具体应用时注意修正
匹配特定字符串
　　^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
　　^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
　　^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
　　^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
　　^w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串
在使用RegularExpressionValidator验证控件时的验证功能及其验证表达式介绍如下:
只能输入数字“^[0-9]$”
只能输入n位的数字“^d{n}$”
只能输入至少n位数字“^d{n,}$”
只能输入m-n位的数字“^d{m,n}$”
只能输入零和非零开头的数字“^(0|[1-9][0-9])$”
只能输入有两位小数的正实数“^[0-9]+(.[0-9]{2})?$”
只能输入有1-3位小数的正实数“^[0-9]+(.[0-9]{1,3})?$”
只能输入非零的正整数“^+?[1-9][0-9]$”
只能输入非零的负整数“^-[1-9][0-9]$”
只能输入长度为3的字符“^.{3}$”
只能输入由26个英文字母组成的字符串“^[A-Za-z]+$”
只能输入由26个大写英文字母组成的字符串“^[A-Z]+$”
只能输入由26个小写英文字母组成的字符串“^[a-z]+$”
只能输入由数字和26个英文字母组成的字符串“^[A-Za-z0-9]+$”
只能输入由数字、26个英文字母或者下划线组成的字符串“^w+$”
验证用户密码:“^[a-zA-Z]w{5,17}$”正确格式为以字母开头，长度在6-18之间， 只能包含字符、数字和下划线。
验证是否含有^%&'',;=?$"等字符“[^%&'',;=?$x22]+”
只能输入汉字“^[u4e00-u9fa5],{0,}$”
验证Email地址“^w+[-+.]w+)@w+([-.]w+).w+([-.]w+)$”
验证电话号码“^((d{3,4})|d{3,4}-)?d{7,8}$”
正确格式为“XXXX-XXXXXXX”，“XXXX-XXXXXXXX”，“XXX-XXXXXXX”，
“XXX-XXXXXXXX”，“XXXXXXX”，“XXXXXXXX”。
验证身份证号（15位或18位数字）“^d{15}|d{}18$”
验证一年的12个月“^(0?[1-9]|1[0-2])$”正确格式为“01”-“09”和“1”“12”
验证一个月的31天“^((0?[1-9])|((1|2)[0-9])|30|31)$”
正确格式为“01”“09”和“1”“31”。
匹配中文字符的正则表达式 [u4e00-u9fa5]
匹配双字节字符(包括汉字在内)[^x00-xff]
匹配空行的正则表达式n[s| ]r
匹配HTML标记的正则表达式/<(.)>.|<(.) />/
匹配首尾空格的正则表达式(^s)|(s$) 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持狼蚁SEO。