有一類很常見的需求:手上拿到的是一段鬆散的 HTML,無法當 XML 解析(標籤沒閉合、屬性亂寫),但你確定裡面有 table 或 list 結構,需要把每一列拆成欄位存進陣列。這時候全域正則配 exec 迴圈是最直接的工具。
var str = "字符串字符串<table>" +
"<tr><th>ID</th><th>姓名</th><th>電話</th></tr>" +
"<tr><td>01</td><td>張三</td><td>1234567</td></tr>" +
"<tr><td>02</td><td>李四</td><td>343434</td></tr>" +
"<tr><td>03</td><td>王五</td><td>685654</td></tr>" +
"</table>字符串字符串";
// 每一列三個捕獲群組:數字 ID、非 < 的字元、數字電話
var regRecord = new RegExp(
'\\<tr>\\<td>([0-9]{2})\\<\\/td\\>' +
'\\<td>([^\\<]+)\\<\\/td\\>' +
'\\<td>([0-9]+)\\<\\/td\\>\\<\\/tr\\>',
'g'
);
// 用對照表把群組序號映射成欄位名稱
var fieldIndex = { 'Id' : 1, 'Name' : 2, 'Phone' : 3 };
var g_records = [], record;
while ((record = regRecord.exec(str)) != null){
g_records.push({
'Id' : RegExp["$" + fieldIndex.Id],
'Name' : RegExp["$" + fieldIndex.Name],
'Phone' : RegExp["$" + fieldIndex.Phone]
});
}
// 此時 g_records 就保存了所有匹配的資料列
for(var i = 0; i < g_records.length; i++){
alert("ID:" + g_records[i].Id +
";Name:" + g_records[i].Name +
";Phone:" + g_records[i].Phone);
}
一、用 exec 迴圈而非 match。str.match(/.../g) 只會回傳「整體匹配」的陣列,拿不到分組;而反覆呼叫 re.exec(str) 直到回傳 null,每次都能取得完整的群組。這是全域比對下取分組的標準做法。
二、用 fieldIndex 做欄位映射。把群組序號寫成有名字的對照表,比在程式各處散落 $1、$2、$3 可讀得多,之後調整正則的群組順序也只需改一處。
三、[^\<]+ 這種「反向字元集」。要匹配「標籤內的文字」,與其寫 (.*?)(懶惰比對,效能較差且容易誤配),不如明確說「連續多個非角括號字元」,意圖清楚又比較快。
RegExp.$1 這類全域屬性屬於 Annex B 的 legacy 功能,不建議在新程式碼中使用。改用 matchAll 搭配解構賦值,語意會乾淨很多:
var re = /<td>([0-9]{2})<\/td><td>([^<]+)<\/td><td>([0-9]+)<\/td>/g;
var records = [...str.matchAll(re)].map(m => ({
Id: m[1], Name: m[2], Phone: m[3]
}));
而最重要的建議是:不要用正則解析 HTML。這個例子能work,是因為它的 HTML 恰好寫得夠工整。真實世界的 HTML 幾乎不可能這麼規矩,屬性順序、換行、單引號、註解、巢狀結構都會讓正則應接不暇。正確做法是用 DOMParser 把它變成文件物件,再走 DOM 查詢:
var doc = new DOMParser().parseFromString(str, "text/html");
var rows = doc.querySelectorAll("table tr");
var data = [...rows].map(tr =>
[...tr.querySelectorAll("td")].map(td => td.textContent.trim())
);
正則適合處理「有明確文法結構」的字串;HTML 不在其中。