Javascript：如何从字符串中获取所有 HTML 标签

Question

我有一个包含 html 标签和纯文本的字符串例如它可能是：<h1>Hello World</h1><p>Welcome to Javascript</p>我想提取html标签（仅没有类名或属性的标签）到数组或列表，例如：tags = ['<h1>', '</h1>', '<p>', </p>']如何使用 JavaScript 实现这一点？请注意，这应该在服务器上运行，因此我无法访问 DOM 等。

Answer 1

const regex = /<\/?[\w\d]+>/gi;

这应该得到带有开始和结束标签的标签，现在让我们看看它的工作原理：

<只是起始尖括号

\/是匹配文字反斜杠（如结束标签）

?使反斜杠“可选”

[\w\d]用于匹配字母数字字符

+匹配更多字母数字字符

>对于另一个尖括号

标志：

g匹配所有匹配项（呵呵）

i不区分大小写（因为 HTML 不区分大小写）

Answer 2

您无法可靠地（或者可能根本无法）使用正则表达式解析任意 HTML。

如果您在服务器上运行 JavaScript，那么您可能正在运行 Node.js。如果是这样，请为自己获取一个 HTML 解析器库，并使用它将 HTML 解析为 DOM 的表示形式。然后您可以可靠地从中提取所有标签。

有许多可用的库可能适合。您可以尝试node-html-parser *，或在 Google 中搜索nodeJS HTML parser其他选项

^{*（无隶属关系，不做推荐或其他）}

Answer 3

您需要将match() 与全局标志一起使用

tags = html.match(/<[^>]*?>/g)

正如评论中所指出的，如果 HTML 标记内有一个大于号 (>)，而该标记仍然是有效的 HTML，则此答案将不起作用。