Regex читать HTML-теги

Question

Я ищу регулярное выражение, которое соответствует всем использованным тэгам HTML в тексте, состоящем из нескольких строк. Он должен читать «b», «p» и «script» в следующих строках:

<b> 
<p class="normalText"> 
<script type="text/javascript"> 

Есть ли такая вещь? Начало, которое у меня есть, это то, что он должен начинаться с «<» и читать до тех пор, пока он не достигнет пробела или «>», но в то же время он не должен включать начальный «<», так как я просто хочу совместить букву/само слово. Мысли?

Answer 1

HTML-код регулярного выражения практически невозможен, как только вы начнете рассматривать все особые случаи и неверный HTML-код, который браузеры иногда бывают в любом случае. Однако это сказало я думал, что это может быть интересно получить имена без использования групп захвата и, таким образом, я представляю слишком Вам следующее гуманный:

(?<=<)\w+(?=[^<]*?>) 

Для записи я считаю мало верю в это время вообще полезно в любом но наиболее тривиальным случаем.

Answer 2

Я не знаю, какую систему вы используете, но это можно сделать в определенной степени. Посмотрите на this онлайн-приложение на основе гибких приложений. Ознакомьтесь с примерами Published> XML regex. Вы получите представление.

Answer 3

Есть много подобных вопросов на SO:

1. Filter out HTML tags and resolve entities in python
2. Regex to match all HTML tags except <p> and </p>
3. Strip all HTML tags except links

и т.д. общее согласие в том, что это лучше не использовать регулярные выражения для разбора HTML вместо того, чтобы делать это правильно, применяя парсер DOM и перемещая дерево DOM.