正则表达式选择前 n 个单词和它们周围的 HTML 标记答案

【问题标题】：Regexp to select first n words and HTML tags around them正则表达式选择前 n 个单词和它们周围的 HTML 标记
【发布时间】：2019-11-03 13:16:27
【问题描述】：

我知道在给定的字符串中只选择单词或只选择 HTML 标记是可能的。但是可以同时选择吗？

在这个例子中，假设我们要选择 前 5 个单词和 HTML 标签：

输入：

<p><strong>This is</strong> <span style="font-size: 1em;">test</span> <strong><em>five</em></strong> words.</p> 
test <p>Lorem Ipsum is simply dummy text of the printing and typesetting industry.</p>

预期输出：

<p><strong>This is</strong> <span style="font-size: 1em;">test</span> <strong><em>five</em></strong> words.</p>

编写正则表达式来匹配所有单词或匹配所有 HTML 标记很简单，但不知道如何仅使用正则表达式来实现上述结果。

【问题讨论】：

我相信您必须使用拆分的东西编写自定义程序逻辑。 stackoverflow.com/questions/30866275/…

标签： javascript regex

【解决方案1】：

我知道它不是正则表达式，但它是纯 javascript，并且在使用文档中的“选择节点”时主要是首选方法：XPath。

使用这段 XPath，您将选择包含文本“这是测试”的最大节点：

document.evaluate("/html/body//*[contains(.,'This is test')]", document);

在您的示例中，第一个 <p> 将被选中，包括它的子标签。

上面的函数返回一个XPathResult，你必须迭代它来做你想做的任何事情。您可以再次对其进行迭代以获取所有子节点或仅获取其文本。遍历结果集并提取数据应该是递归的，但我只是创建了一个简单的示例来理解这个想法。

An example jsFiddle

【讨论】：