正则表达式如何匹配XML/HTML标签？

用正则表达式匹配xml或html标签适用于简单场景，但不适用于复杂结构。1. 匹配开始标签可用<([a-za-z]+)(\s+[^>]*)?>；2. 匹配闭合标签可用<\/([a-za-z]+)\s*>；3. 匹配整个标签对及其内容可用<([a-za-z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>；4. 处理自闭合标签可用<([a-za-z]+)(\s+[^>]*)?\s*\/?>。注意：正则无法正确处理嵌套结构，推荐使用解析库进行完整解析，以确保准确性与安全性。

正则表达式匹配XML或HTML标签其实是个常见的需求，比如你想提取某个标签内容、替换特定标签或者做简单的解析。但要注意的是，HTML/XML结构复杂时，用正则表达式并不是最稳妥的方式，推荐使用专门的解析库。不过对于一些简单场景，比如提取固定格式的标签内容，正则还是可以胜任的。

下面介绍几种常见情况和对应的正则写法，适合想快速实现功能又不需要完整解析器的人。

匹配开始标签

如果你只想匹配像 <div> 或 <p class="xxx"> 这样的开始标签，可以用如下正则：

立即学习“前端免费学习笔记（深入）”；

<([a-zA-Z]+)(\s+[^>]*)?>

• < 和 > 是标签的起始和结束符号。
• [a-zA-Z]+ 表示标签名，只匹配字母开头的标签（符合HTML规范）。
• \s+[^>]* 用于匹配可能存在的属性部分。
• 整体捕获第一个分组是标签名。

例如：

• <div> ✅
• <p class="text"> ✅
• <img src="a.jpg" /> ❌（这个是自闭合标签，需要额外处理）

匹配闭合标签

闭合标签比较简单，通常是类似 </div> 的形式，可以用：

一键职达

AI全自动批量代投简历软件，自动浏览招聘网站从海量职位中用AI匹配职位并完成投递的全自动操作，真正实现'一键职达'的便捷体验。

79

查看详情

<\/([a-zA-Z]+)\s*>

• \/ 转义了斜杠 /
• 捕获第二个分组是标签名，方便你判断是否和开始标签匹配

例子：

• </span> ✅
• </ div > ❌（空格不一致可能导致匹配失败）

匹配整个标签对及其内容（非嵌套）

如果你想匹配一对标签之间的所有内容（包括中间文本），可以用：

<([a-zA-Z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>

• 使用了非贪婪模式 (.*?) 来匹配内容
• \1 引用了第一个捕获组（也就是开始标签的名字），确保标签闭合一致

注意：这种写法不能正确匹配嵌套标签，比如 <div><div>...</div></div>，会把整个都当作一个匹配项，但实际上里面的 <div> 会被忽略。

处理自闭合标签（如 <img />）

有些标签是自闭合的，比如 <br /> 或 <input type="text" />，你可以这样匹配它们：

<([a-zA-Z]+)(\s+[^>]*)?\s*\/?>

• 最后的 \s*\/?> 允许有可选的 / 符号，并兼容 <img/> 和 <img /> 两种写法

实际使用中的一些注意事项

• 不要尝试用正则完整解析HTML/XML文档，特别是有嵌套结构的时候，很容易出错。
• 如果你在写脚本处理网页内容，建议优先使用 DOM 解析器（如 Python 的 BeautifulSoup、JavaScript 的 DOMParser）。
• 正则适用于小范围的提取或替换任务，比如从静态 HTML 中提取标题、替换某些属性等。

总的来说，用正则匹配 XML/HTML 标签不是特别难，但容易写出“看起来能用，其实有问题”的表达式。如果你只是想快速提取几个标签内容，上面的方法已经够用；但如果是正式项目或处理复杂结构，还是推荐用解析库更安全可靠。

基本上就这些。

以上就是正则表达式如何匹配XML/HTML标签？的详细内容，更多请关注php中文网其它相关文章！