本文分享以正則表達式從 HTML 字串中擷取特定元素的做法,並記錄一個曾經踩過的坑。
var html = $("#summaryTemplate").html(); var imageMath = /<img [^<,>]*(?=target-type=("|')replace("|'))[^/,<,>]*\/>/; var scriptMath = /<script [^<,>]*(?=target-type=("|')replace("|'))[^/,<,>]*><\/script>/; var linkMath = /<link [^<,>]*(?=target-type=("|')replace("|'))[^/,<,>]*\/>/; alert(html.match(imageMath)); var ht="<img src='/11.jpg' target-type='replace' />asf <img src='/12.jpg' target-type='replace' /> <img src='/13.jpg' target-type='replace' />"; ht.match(imageMath)
當時我很納悶:為什麼 match 回傳的不是多個 img 物件,而是
["<img src="/11.jpg" target-type='replace' />", "'", "'"]
百思不得其解。後來才發現問題出在自己身上——正則裡少了 g 旗標。少了它,match 找到第一個符合項就停手了,而回傳的陣列中除了完整匹配,還會附上各個群組捕到的內容,這才會多出兩個引號。
正確寫法:
var attrbuteMath = "(?:\\w+)\\s*(?:=[^{,},<,>]+)"; var srcMath = "src(?:=[^{,},<,>]+)"; var hrefMath = "href(?:=[^{,},<,>]+)"; var scriptMath = "<script\\s+(?:" + attrbuteMath + ")*><\/script>"; var ge = new RegExp(scriptMath,"gi"); // var html = "<script asdfsadf='asdfsaf' asf=aaadsdfsdf style='' src='' ><\/script>asdfsaf<script asdfsadf='asdfsaf' asf=''aa adsdfsdf ><\/script>"; var html = $("#txtHtml").val(); var result = ge.exec(html); alert(result);
g 的作用是在比對成功後繼續往下一個目標找,而不是找到第一個就結束;若還希望比對時忽略大小寫,再補上 i 即可。這裡改用 RegExp 建構子搭配字串參數,是因為正則需要由多段字串拼接組裝而成。
不過還是得老實說一句:用正則去解析 HTML 本身就是件危險的事。HTML 不是規則語言,遇到屬性跨行、註解、CDATA、標籤內出現 > 等情況,正則很容易誤判。上面這個案例之所以能work,是因為要處理的內容格式相對固定。若場景允許,改用 DOMParser 或 jQuery 把字串轉成節點再查詢,會穩妥得多。
PS:這裡再提供 2 款方便的正則表達式線上工具供大家參考:
JavaScript 正則表達式線上測試工具:
https://tools.jb51.net/regex/javascript
正則表達式線上產生工具:
https://tools.jb51.net/regex/create_reg
更多關於 JavaScript 的內容,有興趣的讀者可以查看本站相關專題:《JavaScript 正則表達式技巧大全》、《JavaScript 替換操作技巧總結》、《JavaScript 查找演算法技巧總結》、《JavaScript 資料結構與演算法技巧總結》、《JavaScript 遍歷演算法與技巧總結》、《JavaScript 中 JSON 操作技巧總結》、《JavaScript 錯誤與除錯技巧總結》及《JavaScript 數學運算用法總結》。
希望本文所述對大家撰寫 JavaScript 程式有所幫助。