用于获取所有没有属性的 html 标记的正则表达式答案

【问题标题】：Regex for get all html tag without attribute用于获取所有没有属性的 html 标记的正则表达式
【发布时间】：2014-02-21 22:04:44
【问题描述】：

我需要从字符串中获取所有没有属性的 HTML 标签。我尝试了正则表达式：< *([^/][^ ]*).*?>，但它仍然获得 HTML 标记和属性。

谁能帮我找到一个正则表达式来得到这个。

来自<html><head></head><body class="body"><a href="abc.html"></a></body>，我想得到<html><head></head><body><a></a></body>。

和一个正则表达式只获取 html 标记

获取 html 头头身体 a 身体

谢谢大家。

【问题讨论】：

Why it's not possible to use regex to parse HTML/XML: a formal explanation in layman's terms的可能重复
不是重复的。您无法使用正则表达式解析 HTML/XML 的树结构。但是，您可以使用正则表达式对其进行标记，这就是这里所需要的。

标签： c regex

【解决方案1】：

虽然尝试使用正则表达式解析 HTML 通常不是一个好主意，但在这种情况下它可以工作。

尝试以下替换

s/<( *\w+)( [^>/]+)?(/?)>/<$1$3>/g

这匹配左尖括号，然后捕获可能的空格和任何随后的单词字符 ([A-Za-z0-9_])。然后，如果有一个空格后跟任何既不是斜线也不是右尖括号的字符，它匹配那个。然后它捕获一个可选的斜线和右尖括号。

它用一个左尖括号、捕获的标记、捕获的可选斜杠和一个右尖括号替换它。

这假设没有开或关尖括号是不是标签的一部分。

【讨论】：