我需要匹配所有这些开始标签:
<p> <a href="foo">
但不是这些:
<br /> <hr class="foo" />
我想出了这个,并想确保我做对了。我只捕获a-z.
a-z
<([a-z]+) *[^/]*?>
虽然只有一个正则表达式的任意HTML 是不可能的,但有时使用它们来解析有限的已知HTML 集是合适的。
如果您有一小部分 HTML 页面,您想从中抓取数据然后将其填充到数据库中,那么正则表达式可能会正常工作。例如,我最近想获得澳大利亚联邦代表的姓名、政党和选区,这是我从议会网站上下载的。这是一项有限的一次性工作。
正则表达式对我来说工作得很好,而且设置起来非常快。