如何用正则表达式高效提取HTML中特定div标签下的li文本内容？（高效.如何用.提取.特定.文本...）

利用正则表达式提取html片段中的特定内容

本文将探讨如何使用正则表达式从一段html文本中提取特定内容。假设我们通过curl抓取了一段html文本，其结构如下，我们希望提取class="block-2"的div标签内所有li标签中的文本内容。

<div class="content">
    <h1>标题xxxxx</h1>
    <div class="block-1">
        <ul class="article">
            <li>文章标题1</li>
            <li>文章标题2</li>
            <li>文章标题3</li>
        </ul>
    </div>
    <div class="block-2">
        <ul class="article">
            <li>文章标题1</li>
            <li>文章标题2</li>
            <li>文章标题3</li>
        </ul>
    </div>
    <div class="block-3">
        <ul class="article">
            <li>文章标题1</li>
            <li>文章标题2</li>
            <li>文章标题3</li>
        </ul>
    </div>
</div>

直接使用正则表达式匹配html结构通常不是最佳实践，因为html的复杂性和多样性使得正则表达式难以准确地捕捉所有情况。 然而，针对这个相对简单的例子，我们可以尝试使用正则表达式来提取所需内容。以下提供一种方法，它可能并非完美，但可以在特定情况下有效：

该方法首先移除html中的换行符和空格，简化匹配过程，然后利用正则表达式/(?).*?(?=.*block-2)/g进行匹配。

该正则表达式使用了零宽断言：

• (?): 正向肯定环视，确保匹配项前面是block-1和至少一个字符，以及
• 。
• (?=.*block-2): 正向肯定环视，确保匹配项后面是
，至少一个字符，以及block-2。

.*?表示匹配任意字符，尽可能少的次数，用于提取

let str = `    <div class="block-1">
        <ul class="article">
            <li>文章标题b1</li>
            <li>文章标题b2</li>
            <li>文章标题b3</li>
        </ul>
    </div>
    <div class="block-2">
        <ul class="article">
            <li>文章标题1</li>
            <li>文章标题2</li>
            <li>文章标题3</li>
        </ul>
    </div>
    <div class="block-3">
        <ul class="article">
            <li>文章标题1</li>
            <li>文章标题2</li>
            <li>文章标题3</li>
        </ul>
    </div>`;

let removeEnter = str.replace(/[
]/g, "").replace(/[ ]/g, "").match(/(?<=block-1.*<li>).*?(?=</li>.*block-2)/g);
console.log(removeEnter);

以上就是如何用正则表达式高效提取HTML中特定div标签下的li文本内容？的详细内容，更多请关注知识资源分享宝库其它相关文章！