正则表达式匹配可能包含嵌入 JSTL 的空 HTML 标记？答案

【问题标题】：Regular expression to match empty HTML tags that may contain embedded JSTL?正则表达式匹配可能包含嵌入 JSTL 的空 HTML 标记？
【发布时间】：2010-04-02 09:33:30
【问题描述】：

我正在尝试构造一个正则表达式来查找可能已嵌入 JSTL 的空 html 标记。我正在使用 Perl 进行匹配。

到目前为止，我可以将任何不包含 JSTL 的空 html 标记与以下内容匹配？

/<\w+\b(?!:)[^<]*?>\s*<\/\w+/si

\b(?!:) 将避免匹配打开的 JTSL 标记，但这并不能解决 JSTL 是否可能在 HTML 标记本身内（这是允许的）。我只想知道这个 HTML 标签是否没有子标签（只有空格或空）。所以我正在寻找一种匹配以下两者的模式：

<div id="my-id"> 
</div>
<div class="<c:out var="${my.property}" />"></div>

当前第一个 div 匹配。第二个没有。可行吗？我使用前瞻断言尝试了几种变体，但我开始认为它不是。 但是，我不能肯定地说，或者说为什么不是。

编辑：我不是在写东西来解释代码，而且我对使用解析器不感兴趣。我正在编写一个脚本来指出潜在的问题/疏忽。在这一点上，我也很好奇，看看是否有一些我可能遗漏的前瞻或后瞻智能。如果您对我试图以这种方式“解决”问题感到困扰，请不要认为它是在寻找解决方案。对我来说，现在这更像是一个挑战，也是一个了解更多正则表达式的机会。

此外，如果有帮助，您可以假设 html 是 xhtml 严格的。

【问题讨论】：

我想知道我是否可以用锤子划船。我对船或锤子不是很感兴趣，所以不要把它想象成划船。对我来说，现在这更像是一个挑战，也是一个了解更多关于锤子的机会。

标签： html regex perl jstl

【解决方案1】：

试试

<(\w+)(?:\s+\w+="[^"]+(?:"\$[^"]+"[^"]+)?")*>\s*</\1>

简短说明：

<            # match a '<'
(\w+)        # match one or more a-z, A-Z, 0-9 or '_' and store it in group 1 
(?:          # open non-matching-group 1
  \s+        #   match one or more white space characters 
  \w+        #   match one or more a-z, A-Z, 0-9 or '_'
  ="         #   match '="'
  [^"]+      #   match one or more characters other than '"'
  (?:        #   open non-matching-group 2
    "\$      #     match '"$'
    [^"]+    #     match one or more characters other than '"'
    "        #     match '"'
    [^"]+    #     match one or more characters other than '"'
  )?         #   close non-matching-group 2, and make it optional
  "          #   match '"'
)*           # close non-matching-group 1, and make repeat itself zero or more times
>            # match '>'
\s*          # match zero or more white space characters
</\1>        # match '</X>' where `X` is what is captured in group 1

这适用于您的两个示例，但我相信有人可以构造您想要匹配但不会被正则表达式匹配的 html。但是在阅读了您的“编辑”之后，您似乎已经意识到了这一点。

【讨论】：

【解决方案2】：

对 HTML 使用正则表达式不是一个好主意，因为大多数正则表达式系统无法匹配许多结构。很多 HTML（相对于 XHTML）也有很多困难的结构。建议您使用 HTML 解析器。 [这在 SO 上经常得到解决，通用答案是不要使用正则表达式）。

【讨论】：

为什么这是每个正则表达式问题的答案？这不是正确的答案，他不想解析 html，他想匹配文本中的模式，这正是正则表达式的设计目的。
这不是每个正则表达式问题的答案。当正则表达式是劣质工具时，这只是答案。
OP 询问“一个正则表达式来查找可能嵌入了 JSTL 的空 html 标签”，这就是我的答案。用正则表达式查找任何 HTML 标记是个坏主意。如果 Q 是“我如何用正则表达式解析这个 JSTL”，那么答案可能会有所不同

【解决方案3】：

使用 HTML 解析器并不意味着您正在解释或运行内容：它意味着您正在将其从字符串转换为嵌套对象。 HTML 不是正则的，所以正则表达式不是解决这个问题的最佳方法。

请参阅HTML::TreeBuilder 的文档作为开始的好地方。其他好的资源包括HTML::Parser，当然还有this site。 :)

编辑：我会假装您的问题与 HTML 无关，只是一个有趣的正则表达式难题，因此会思考它... ~~...[仍在思考.. 编辑即将到来]（在上面提出的一个非常棒的解决方案面前放弃了这个谜题）~~

【讨论】：

他不想解析html，他想匹配文本中的模式。我听说正则表达式很擅长。
从技术上讲，他应该解析 html，然后使用正则表达式在特定标签的内容中搜索..

【解决方案4】：

如果您假设您的输入是有效的 XML，正如您所说，我选择的工具是 XML::Twig。

【讨论】：

【解决方案5】：

根据我的阅读，我认为 (?: 是非捕获组而不是非匹配组，因此应该更改对正则表达式的评论。

一个不匹配的组将是 (?!

【讨论】：