发一个嵌套标签匹配的正则<(?:[^<>]++|(?R))*>

cixiplc66

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

复制代码

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

9 }5 f+ |9 `. ~# T3 H  ~( Y. ]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
这个是Autohotkey脚本软件作者Lexikos亲手所出,绝对牛逼高人!

3 o: @0 |  i  i/*
, A: Q4 x: i0 W& T正则递归 by_Lexikos
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
' E+ l  ~! D  ]# k是子模式的递归调用给定的数字，只要它发生在子模式内。
7 T1 `7 f, G- j4 p. ^4 X, z（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，）
特殊项目 (?R) 或 (?0) 是整个递归调用正则表达式。
, x# l! p) v  h% [& U
6 h3 \6 r# J* m, K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）：
2 i0 g. m1 {* y; N1 O" f$ V\( ( [^()]++ | (?R) )* \)

- y% ^. h9 F8 k: n% 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，
4 T2 |1 X1 Y5 t9 H/ ^% w  `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）。
' x6 b; v, ?7 E5 a: M9 P最后有一个右括号。请注意使用的所有格量词，
以避免回溯成非序列的序列，括号。
1 h1 i$ }, g8 V; M) N
3 w0 O" O# v- S& j5 Z6 t3 C( G& ~Source: http://www.pcre.org/pcre.txt
5 m0 c4 e) R2 J  l) _4 Lhttps://autohotkey.com/board/top ... d-text-in-a-string/
: H* |  [! N; R*/

Emeditor 完美支持 (?R) 递归语法

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)
. p, b: l$ {$ p; g9 [( D: @3 C
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)
* F4 B+ e; [7 c: z8 Q) H

1. (a(b(c)d)(ggg)e))
   
2. 
   # D! q1 Z- Y) U) o/ p* l
3. \(([^()]+|(?R))*\)

复制代码

( \$ y! ~' W0 H# k8 f' |1 q
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
7 _( ]/ {7 i1 ?
, F8 X/ d! @7 r* k/ H7 V几个变形:

1. \((?:[^()]+|(?R))*\)
   
2. 
   " x2 b& O" L& n% l3 c* x% F8 X9 A
3. \((?>[^()]+|(?R))*\)

复制代码

具体区别还要慢慢体会

cixiplc66

* z4 t. M3 G& v$ V; X5 V9 r5 J, B* F) I
) w4 P: ?+ V' ]?: 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

  @6 e" ^  M& l1 B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
收藏级的去行首行尾空白同时去空行的正则
1 E. k' Q) c6 P3 r5 Z8 [' i- q; h
$ H8 |! N- n6 f8 y# c( s5 w6 J7 O. n正则替换
0 o( w' g2 `0 H* k5 E. I& X# H

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

复制代码

+ x- ]+ E3 M2 A0 \替换为\1

-----------------------✂-----------------------
同样效果:
) Z. |, z" h9 ]8 q

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

复制代码

匹配部分替换为空
. ]9 C% ?$ t9 @& u( j" H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
( W6 q0 h5 n4 L/ A) j1 H3 X! p如果是想筛选出尖括号<>以外的内容呢？
比如A12<DE>F907G
选择<DE>之外的内容

谢谢

cixiplc66

  Q& G( ^& A" f你这样的需求一般是html源码转txt
1 l9 _8 |8 j0 t5 y4 M$ ]( y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

+ b; p, L& u# j6 I7 u备注:
$ @* ~* L/ N" B( J& A9 L[^>]也可以用英文句号圆点 . 代替,
) w( F$ w; u! m& x; H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
+ x4 c( j9 Z8 T6 N9 P4 Z% @,默认情况下正则把整个文本看做一行
9 j  |* E- s9 K8 m* l+ ]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
4 w* s' r# r1 G& y" L/ @\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
. k* X8 B( ~' u- P3 C# ]* O$ ~
( b6 t9 q/ z# t, c7 E\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
类似于 (?=a)bc

所有全角双字节字符含标点
4 Q, T& ?  f+ F% U0 N

1. [[:unicode:]]
   
2. 
   
3. 等同于 [^\x00-\xff]

复制代码

4 r: E8 Z  C) \' E中日韩双字节全角字符
  }8 z8 v$ ]- B- [8 j5 s: ^8 s+ Q

1. 含生僻字中文[\x{2E80}-\x{FE4F}]
   
2. [\x{3000}-\x{9FFF}] XeCJK 中日韩
   / Z6 Z, y$ P) h7 t! j) L0 ~" \" A
3. // 汉字范围 [\x0391-\xffe5]

复制代码

. o6 t; B* ?+ ]0 b( X$ g3 B
中文标点

1. [\x{3000}-\x{301e}\x{fe10}-\x{fe19}\x{fe30}-\x{fe44}\x{fe50}-\x{fe6b}\x{ff01}-\x{ffee}]
   ; K+ c6 C8 g" O+ X
2. [中文标点符号unicode码 - CSDN博客](https://blog.csdn.net/miyunhong/article/details/43528897)

复制代码

% w3 o% s6 L4 N9 |
英文标点

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

复制代码

" R/ n. \& C+ I) m' s& i

1. \p{L} 等于 [a-z]
   
2. \p{U} 等于[A-Z]

复制代码

匹配某些特定图片img标签,
1. 允许src有时候不紧跟在 <img 后面
# c8 q& V) ~: k; [& h( D: w) k% @2. src= 后面可能英文或中文引号,如果可能没有引号还得改为 ['"]?

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

复制代码

双引号的问题
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
8 C  j# k; {: I; o2 u& c% h

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