re如何获取html_通过正则表达式(RegExp)提取HTML内容方法-html教程-PHP中文网

re如何获取html_通过正则表达式(RegExp)提取HTML内容方法

星夢妙者

发布： 2025-11-12 16:15:03

原创

221人浏览过

可用正则提取HTML标签文本，如匹配 内容 中的内容；2. 可提取标签属性值，如 img 的 src；3. 可提取超链接的URL和显示文本；4. 但正则不适用于嵌套或格式错误的HTML，建议仅在简单场景使用，复杂结构应使用DOM解析器。

re如何获取html_通过正则表达式(regexp)提取html内容方法

在处理网页内容或字符串时，经常需要从HTML中提取特定信息。虽然不推荐用正则表达式解析完整的HTML结构（应使用DOM解析器），但在简单场景下，正则表达式可以快速提取所需内容。

1. 提取HTML标签中的文本内容

如果你想从某个HTML标签中提取文本，比如获取 Hello 中的 "Hello"，可以使用如下正则：

/(.*?)<\/p>/g

说明：

酷表ChatExcel

北大团队开发的通过聊天来操作Excel表格的AI工具

查看详情

(.*?) 是非贪婪匹配，捕获标签内的内容
g 标志表示全局匹配，找到所有匹配项
注意斜杠 / 需要转义为 \/

示例代码：

立即学习“前端免费学习笔记（深入）”；

const html = '第一段第二段'; const matches = [...html.matchAll(/(.*?)<\/p>/g)]; matches.forEach(match => console.log(match[1])); // 输出：第一段，第二段

2. 提取指定标签的属性值

例如提取所有图片的 src 属性：

/<img[^>]+src=["']([^"']+)["'][^>]*>/g

说明：

[^>]+ 匹配标签内任意非“>”字符
["']([^"']+) 匹配单引号或双引号内的src值
适用于格式较规范的HTML片段

示例：

const html = '<img src="pic1.jpg" alt="图1"><img src="pic2.png">'; const srcs = [...html.matchAll(/<img[^>]+src=["']([^"']+)["'][^>]*>/g)]; srcs.forEach(match => console.log(match[1])); // pic1.jpg, pic2.png

3. 提取超链接中的URL和链接文本

提取 <a href="...">... 的链接地址和显示文字：

/<a[^>]+href=["']([^"']+)["'][^>]*>(.*?)<\/a>/g

示例：

const html = `<a href="https://example.com">访问示例网站</a>`; const links = [...html.matchAll(/<a[^>]+href=["']([^"']+)["'][^>]*>(.*?)<\/a>/g)]; links.forEach(match => { console.log('URL:', match[1]); // https://example.com console.log('文本:', match[2]); // 访问示例网站 });