发一个嵌套标签匹配的正则<(?:[^<>]++|(?R))*>

cixiplc66

1. <(?:[^<>]++|(?R))*>

复制代码

<(?:[^<>]++|(?R))*>

匹配到尖括号之间内容,允许内部多次嵌套
核心: (?R)
平衡组递归匹配
) U, Z# X3 i8 b1 ^+ q; y7 \1 z这个是Autohotkey脚本软件作者Lexikos亲手所出,绝对牛逼高人!

/*
4 z/ X4 F- `7 \- c! y" s$ {, f, b- w正则递归 by_Lexikos
) q5 d5 F% ^/ L它可以与“递归调用”结合来删除任意数量的嵌套<...>：

一个特殊的项目由 (? 后面跟一个大于的数字组成零和一个右括号
/ V+ j& F* y* Z是子模式的递归调用给定的数字，只要它发生在子模式内。
- H6 I) h4 Q+ M（如果不是，这是一个“子程序”的调用，这在下一个部分中有描述，）
, B! P2 k  D$ `/ o7 a/ N* D- s1 |特殊项目 (?R) 或 (?0) 是整个递归调用正则表达式。
  S& `1 c; }5 O+ s( M$ P/ e
这个PCRE模式解决了嵌套的括号问题
（假设PCRE_EXTENDED选项设置为忽略空白）：
\( ( [^()]++ | (?R) )* \)

) D# U" R& n0 u* G7 P" k  i首先它匹配左括号。
然后它匹配任何数量的可以是非括号序列的子字符串，
或者a模式本身的递归匹配
（也就是说，一个正确的parenthe-大小的子字符串）。
9 [. f3 L: d" @0 w4 l最后有一个右括号。请注意使用的所有格量词，
8 Z9 z& k* J, O3 @以避免回溯成非序列的序列，括号。

Source: http://www.pcre.org/pcre.txt
9 I! L$ S; O" D; D$ Zhttps://autohotkey.com/board/top ... d-text-in-a-string/
*/
8 {1 C) P9 A* g
Emeditor 完美支持 (?R) 递归语法
4 _8 y( L- Y8 d; r
附上语法解释:
[DEELX 正则表达式扩展语法：递归表达式 - CSDN博客](https://blog.csdn.net/technofiend/article/details/49905127)
! U+ A. v* L# a: @  M
百度能搜到的唯一一篇讲解的比较清楚的关于(?R)正则递归
[php匹配嵌套括号内的文本 - xubaoguo - ITeye博客](http://xubaoguo.iteye.com/blog/941406)
) A; J2 Z! D2 ^+ u  \- o+ H

1. (a(b(c)d)(ggg)e))
   
2. 
   
3. \(([^()]+|(?R))*\)

复制代码

- J* S) J% @! v* C2 E) w5 B, M
  R% |& q% p- K- ^, N和Lexikos版本主要区别未使用?:不捕获存档组
Lexikos大使用了2个加号++,不知道是不是针对一些特别的换行符而考虑
4 F6 E* T: H) }. M5 a' ~
几个变形:
6 B* r, s* U* @* W

1. \((?:[^()]+|(?R))*\)
   
2. 
   
3. \((?>[^()]+|(?R))*\)

复制代码

0 ^8 e. m; ~9 Z/ _' w$ Z具体区别还要慢慢体会

cixiplc66

" R. |' \& U; S6 H
?: 后面加上 span class="kwd"
应该能完美匹配到指定标签了,没测试
如此简洁匹配到嵌套尖括号也可以换成圆括号的正则表达式,百度了一天我还搜不到

德国人的英语,Google的翻译也只能凑合看

cixiplc66

再送同样是ahk_L版本老大@lexikos : remove blank lines
1 Y6 _7 t+ m$ j1 e" o' O$ B收藏级的去行首行尾空白同时去空行的正则

6 u! P# l5 U% N1 ?* e正则替换
( l& ]0 J( t5 A8 G! E" t8 [1 d

1. ^\s+|\s*(\R|$)\s*

复制代码

9 |, j( v3 s9 p7 l替换为\1

. R& h3 t, l5 r6 }3 i-----------------------✂-----------------------
$ e0 R/ x  y+ x; ]同样效果:

1. `am)^\s+|\h+$|\R\z

复制代码

匹配部分替换为空
: N6 F4 F5 [) ?& s  H6 l- e注意 `am)是ahk脚本中语法,表示开启识别多种换行符和匹配多行开头结尾模式

kapan000

请问
  R. |' K" L. u2 [( ^. z5 [, ~7 c如果是想筛选出尖括号<>以外的内容呢？
3 }% B" W% t! E( b1 P$ j  O6 Q比如A12<DE>F907G
$ O, p" y1 Y# s+ i8 Y& Z选择<DE>之外的内容

, @5 Q- t7 c. K: S$ ~谢谢

cixiplc66

7 U. ?$ a! S! |& X, B
你这样的需求一般是html源码转txt
. Z' `- Z# U3 `& U多数是直接匹配 <[^>]*?> 然后替换为空,倒无需考虑嵌套 反而简单了

& S: F) A: \) o) b3 D备注:
+ x1 h8 F2 p% S% C[^>]也可以用英文句号圆点 . 代替,
不过小圆点 . 有局限,除非开启 s 模式否则不能匹配到换行符,也就是只能处理一个看得见的行内
. O0 Y( N9 K# `,默认情况下正则把整个文本看做一行
小圆点 . 要处理跨行 开启 s 模式
^ $ 这2个行首行尾位置标记要处理跨行的内容,要开启 m 模式,其中有3个很少见到的类似效果的 \A \z \Z
\A 全文开头 \z全文结尾位置
\Z 无须开启 m 多行模式 就可以匹配行尾和全文结尾
\R 默认就能代替各种换行符,比\n 灵活出问题少,各种系统搞出来的文本的换行符很复杂,最常见的也有 \r \n \r\n这三种可能

! _2 E# O( f+ V6 @\K 作用类似于逆向回顾,用于前面是某某某一些字符,比如: a\Kbc 能匹配到bc但是bc前面必须有个a
8 |. j0 i7 Y) U0 C# p$ O类似于 (?=a)bc
( L$ g) m* E1 {( x9 ^* C9 w
% F4 O2 c/ \% o' v' D- V/ J6 T所有全角双字节字符含标点
% J7 [, a9 r4 k" h

1. [[:unicode:]]
   
2. 
   & \; n: x' `% Z) C; t
3. 等同于 [^\x00-\xff]

复制代码

3 ]. X2 H' y" g# j

' O+ J. {/ f" k+ G  W中日韩双字节全角字符

1. 含生僻字中文[\x{2E80}-\x{FE4F}]
   
2. [\x{3000}-\x{9FFF}] XeCJK 中日韩
   ( S2 ~& d) |# X' E, t8 \1 O( P
3. // 汉字范围 [\x0391-\xffe5]

复制代码

. i7 a6 p- E& v( d* [
2 E. f1 c7 v# j  O7 J中文标点
" K# G* n3 o8 T3 I, x% x$ O$ g* a

1. [\x{3000}-\x{301e}\x{fe10}-\x{fe19}\x{fe30}-\x{fe44}\x{fe50}-\x{fe6b}\x{ff01}-\x{ffee}]
   9 l0 K7 c5 }! F% t
2. [中文标点符号unicode码 - CSDN博客](https://blog.csdn.net/miyunhong/article/details/43528897)

复制代码

5 F3 Y8 @5 I# u8 f' a
0 f. z% a! N3 G7 N英文标点
0 h9 l2 s  F3 `; Z

1. [[:punct:]]
   
2. \p{Punct}

复制代码

' c' x! x+ a2 g: U

1. \p{L} 等于 [a-z]
   / w8 k; J' @' A& L/ i
2. \p{U} 等于[A-Z]

复制代码

/ j- g( X7 A; Q% M) l" `: ~
匹配某些特定图片img标签,
/ _! Y! e% `) X3 N1. 允许src有时候不紧跟在 <img 后面
# r% ~: l9 h( q1 ^& m- B7 g2. src= 后面可能英文或中文引号,如果可能没有引号还得改为 ['"]?
8 I6 C" }8 k; ]; K9 u$ m

1. <img[^>]+src=['"]img/spkr_[^>]+>

复制代码

2 }0 g/ r3 c, @/ j# t2 K4 ~- k8 T
双引号的问题
) `3 u% n: v/ g; R+ [多数时候正则中的双引号是个需要特别处理的,比如在一些脚本中,需要连续2个 "" 来代表 一个 "
只是在一些编辑器中好像又不需要特别处理

jonah_w

++是为了开启“侵占模式”：走过的路不回头。

lemonlab

mark 一下

markwell

html转txt必备良品，之前自己一个一个标签去匹配真是蠢到家了，收藏了