正则表达式 - 如果开始标记不存在，则匹配结束 html 标记答案

【问题标题】：Regex - Match an end html tag if start tag is not present正则表达式 - 如果开始标记不存在，则匹配结束 html 标记
【发布时间】：2008-12-02 07:32:05
【问题描述】：

我想得到一个像这样的结束html标签，只有在它之前的某个地方，即在任何以前的标签或文本之前没有开始标签我的示例字符串是

ddd d<STRONG>dfdsdsd dsdsddd<EM>ss</EM>r and</EM>and strong</STRONG>

在这个字符串中，输出应该是，这也是第二个，因为它缺少起始。我试过了

(?!=<EM>.*)</EM>

但它似乎不起作用，请帮助thnks

【问题讨论】：

标签： c# .net regex

【解决方案1】：

我不确定正则表达式是否最适合这种任务，因为标签总是可以嵌套的。

总之，一个像这样的 C# 正则表达式：

(?<!<EM>[^<]+)</EM>

只会带第二个标签

注意：

?! 是一个负面的展望向前，这解释了为什么会同时找到 。
所以...(?!=.*)xxx实际上是指如果xxx后面没有=.*，则捕获xxx。我不确定您是否想在其中包含 =
?<! 是一个负面的外观behind，更适合您想要做的事情，但它不适用于 java regex 引擎，因为这个look-behind regex 没有明显的最大长度。

但是，使用 .Net 正则表达式引擎，正如在 RETester 上测试的那样，它确实可以工作。

【讨论】：

我试过了，它不起作用，它带来的匹配和我的完全一样，谢谢
如果 EM 标签有这样的子标签，它会失败： ddd ddfdsdsd dsdsdddssrdfddfs nd 和强大的
@shabby 我同意。当时（大约 5 年前）我只是根据您在问题中的示例测试正则表达式。它不会匹配所有情况，但自 2011 年 10 月以来，我们都知道 ;) stackoverflow.com/a/1732454/6309

【解决方案2】：

您需要pushdown automaton。正则表达式不足以捕捉这个概念，因为它们等同于finite-state automata，所以严格来说，正则表达式解决方案是不可行的。

也就是说，.NET 正则表达式确实在它们后面有一个下推自动机，因此它们理论上可以处理这种情况。如果您真的觉得需要使用正则表达式而不是正式的 HTML 解析器来执行此操作，请查看here。

【讨论】：

【解决方案3】：

您应该看到this other Stack Overflow question 的最佳答案，因为它给出了完美的答案。简而言之，不要使用正则表达式来尝试解析 HTML - 这是一个非常糟糕的主意。

【讨论】：