Question

正则表达式排除特定字符串

如何使用正则表达式匹配

中间的内容，中间可能还有其他html标签

Answer 1

一、匹配所有标签

\<.[^<>]*\>

思路：

1、首先匹配<和>，得到"\<.*\>",（\为转义，<和>加不加都可以）但出现多个标签在一组中。

2、排除中间的<和>，表达式改为"\<.[^<>]*\>"。

3、如果想得到不包含属性的所有标签，可以加个字符数限制，根据标签字符数，表达式改为“\<\S[^<>]{0,12}\>”。

二、匹配指定标签

匹配所有DIV标签　\<\bdiv.*\<\/div\b\>

思路：

1、以<div 开头，得到“\<\bdiv”。

2、以<\div>结束，得到“\<\/div\b\>”，\\注意两次\b的使用，\b用于匹配位于词开始处的词边界和用于匹配词结尾处的词边界。

3、连接两个表达式，中间填充任意字符，\<\bdiv.*\<\/div\b\>。

提取标签中的内容

>.[^<>]+<
<li><a href="http://sports.sina.com.cn"target="_blank">新浪</a></li>
<li><a href="http://news.yule.com.cn"target="_blank">中国娱乐网</a></li>
<li><a href="http://pzh.scol.com.cn"target="_blank">四川在线</a></li>
<li><a href="http://news.0755car.com"target="_blank">车神榜</a></li>

结果：

>新浪<

>中国娱乐网<

>四川在线<

>车神榜<