使用正则表达式在 HTML 字符串中查找“<img .../>”和“<script ...> </script>”

【问题标题】：Using Regex to find "<img .../>" and "<script ...> </script>" in HTML string使用正则表达式在 HTML 字符串中查找“<img .../>”和“<script ...> </script>”
【发布时间】：2016-07-18 23:10:28
【问题描述】：

我第一次尝试使用正则表达式在 Scala 的网页中搜索图像和脚本。我想出的表达方式是

图片：

/(<img\S+\s+\/>)+/

脚本：

/(<script\s+\S+><\/script>)+/

我对 HTML 代码或使用正则表达式一无所知，所以我不确定我需要什么才能指定它应该与 <img .../> 匹配，其中 ... 可以是任意数量的字符或空格。这只是我用 Scala 编写的编程作业的一小部分，我们必须使用正则表达式。

【问题讨论】：

问题是什么？您是否发现这些正则表达式不起作用的情况？（我能想到几个。）
另外，必读：stackoverflow.com/a/1732454/1016716

标签： html regex scala

【解决方案1】：

像<img[^>]*> 这样的正则表达式将匹配<img..........>。

像<script.*?</script> 这样的正则表达式将匹配单个<script...>...</script> 实例。 ? 是必要的，以防止它匹配从第一个 <script...> 标记到最后一个 </script> 标记的所有内容。

（请随意添加回捕获( )'s，\ 转义，并用正则表达式分隔/ / 标记包围。我删除它们以专注于正则表达式本身，没有@987654321 @ 和其他噪音。）

虽然这些比您建议的要好，但在许多情况下它们仍然会损坏。 RegEx 不是旨在解析 HTML。

<script>
  <!-- This "</script>" doesn't end the script, but fools the RegEx -->
</script>

【讨论】：