由正则表达式html或xml标签配对说起【括号编组和正负向预查】

Cwiky

2014-05-15

经常会查找xml或HTML标签里的内容，如果着急用，可以使用下面的正则和方式查找：

使用正则表达式：reg=/<div>([\s\S]*)</div>/ig

/**
     * 
     * @param {type} str
     * @param {type} tag
     * @returns {array}或null 标签和内容数组
     */
    function tag(str,tagName){
        //正则表达式 <div>([\s\S]*)</div>
        var exp = '<'+tagName+'>([\\s\\S]*)<\/'+tagName+'>';
        console.log(exp);
        var reg = new RegExp(exp,'ig');
        var arr = str.match(reg);
        return arr;
    }
    

/**

只返回标签内容或null
**/
    function tagText(str,tagName){
        var exp = '<'+tagName+'>([\\s\\S]*)<\/'+tagName+'>';
        console.log(exp);
        var reg = new RegExp(exp,'ig');
        var arr = str.match(reg);
        if(arr!=null){
            return RegExp.$1;
        }
        return null;
    }

    var str = "<html><body><div>测试div \n</div><body><html>";
    
    var arr = tag(str,'div');
    console.log(arr[0]); 
    
    var text = tagText(str,'div');
    console.log(text);

输出结果

Chrome 34.0.1847 (Windows 7) LOG: '<div>([\s\S]*)</div>'

Chrome 34.0.1847 (Windows 7) LOG: '<div>测试div 
</div>'

Chrome 34.0.1847 (Windows 7) LOG: '<div>([\s\S]*)</div>'

Chrome 34.0.1847 (Windows 7) LOG: '测试div 
'

两个函数的区别：RegExp.$1;

这两个函数使用了正则表的式的括号进行分组匹配，很方便，而且节省了大量代码。

正则表达式的括号分组功能，有四种写法

1、(pattern)
2、(?:pattern)
3、(?=pattern)
4、(?!pattern)

我们使用的是第一种方式进行匹配的，这种写法与没有括号的写法功能基本上是一样的

如：

var reg=/[\S]+ [\S]+/ig
和
var reg = /([\S]+) [\S]+/ig;

 var str = 'Windows 95 是个比较老的系统。';
 var arr = str.match(reg);
 console.log('匹配结果：'+arr[0]);
 console.log('捕获分组：'+RegExp.$1);

输出为：
Chrome 34.0.1847 (Windows 7) LOG: '匹配结果：Windows 95'

Chrome 34.0.1847 (Windows 7) LOG: '捕获分组：Windows'

括号的用途在于，模式匹配上以后，可以提取括号分组里的内容。如从匹配的

'Windows95'提取'Windows'，括号括起来后就可以用RegExp.$1提取括号里的

内容，如果匹配多个，可以用RegExp.$1...$99提取。

([\S]+)只是产生了一个有趣的副产品,导致匹配的内容被捕获供今后使用。

2、3、4种写法全部丢弃了副产品。

2、(?:pattern)意思是丢弃副产品，括号里匹配的内容不再存储和使用。

var str = 'Windows 95 是个比较老的系统。';
   
   var reg = /(?:[\S]+) [\S]+/ig; 
    
   var arr = str.match(reg);
   console.log('匹配结果：'+arr[0]);
   console.log('捕获分组：'+RegExp.$1);

Chrome 34.0.1847 (Windows 7) LOG: '匹配结果：Windows 95'

Chrome 34.0.1847 (Windows 7) LOG: '捕获分组：'

分析：

副产品直接丢弃

3、(?=pattern)

分三步操作

1、找到和正则表达式完全匹配的内容。2、捕获括号前面的内容。3、丢弃括号里的副产品。

var str = 'Windows95和Windows98是比较老的系统。Windows2000是新系统！';
   
 var reg = /Windows(?=98|95)/ig;
     
   var arr = str.match(reg);
   for(var i=0;i<arr.length;i++){
       console.log('匹配结果'+i+'：'+arr[i]);  
   }
   console.log('捕获分组：'+RegExp.$1); 
 
Chrome 34.0.1847 (Windows 7) LOG: '匹配结果1：Windows'

Chrome 34.0.1847 (Windows 7) LOG: '匹配结果2：Windows'

Chrome 34.0.1847 (Windows 7) LOG: '捕获分组：'

分析：

1、找到Windows95和Windows98

2、捕获两个Windows

3、丢弃括号里的副产品98和95

4、(?!pattern)负向预查

1、找到和正则表达式括号外的表达式完全匹配的内容。2、捕获括号前面的内容。3、丢弃括号里的副产品。

var str = 'Windows95和Windows98是比较老的系统。Windows2000是新系统！';
   
 var reg = /Windows(?!98|95)/ig; 
     
   var arr = str.match(reg);
   for(var i=0;i<arr.length;i++){ 
       console.log('匹配结果'+i+'：'+arr[i]);  
   }
   console.log('捕获分组：'+RegExp.$1); 

Chrome 34.0.1847 (Windows 7) LOG: '匹配结果0：Windows'

Chrome 34.0.1847 (Windows 7) LOG: '捕获分组：'

分析：

1、找到Windows2000

2、捕获1个Windows

3、丢弃括号里的副产品2000

另一个负向预查的例子

//取得script里的网址"http://www.baidu.com"

 var str = '<script src="http://www.baidu.com"><script>';
        var reg = /(?!src=)"[\S]*"/; 
        var match = str.match(reg);
        console.log(match[0]);
输出：
"http://www.baidu.com"

正则表达式括号 arr