仅用正则表达式将HTML转换为Jira标记的实现问询

问题背景 #

我用的工具没HTML解析能力，但有基于Boost库的正则替换功能，已经靠它完成了大部分格式转换，效果还凑合。现在卡在列表转换上——虽然知道用脚本遍历能搞定，但想纯靠正则解决。

已移除段落标签的输入内容：

Numbered bullet list:
<ol>
    <li>Item 1</li>
    <li>Item 2</li>
    <li>Item 3</li>
</ol>
Standard bullet list:
<ul>
    <li>Item A</li>
    <li>Item B</li>
    <li>Item C</li>
    <li>Item D</li>
</ul>

期望输出的Jira格式：

Numbered bullet list:
    # Item 1
    # Item 2
    # Item 3
Standard bullet list:
    * Item A
    * Item B
    * Item C
    * Item D

解决方案 #

完全可以靠两次Boost正则替换搞定，不用写脚本遍历：

方法一：嵌套替换（推荐） #

如果工具支持对捕获组内容做二次替换，用这种更高效：

1. 处理有序列表

启用DOTALL模式（让.匹配换行符），用以下正则匹配整个有序列表块：

(<ol>)(.*?)(<\/ol>)

对捕获到的中间部分（$2，即<ol>内部的所有内容）执行替换：

• 替换正则：<li>(.*?)<\/li>
• 替换为： # $1
  最终整个<ol>...</ol>块会被替换成带#的Jira有序列表，同时自动移除<ol>标签。

2. 处理无序列表

逻辑和有序列表一致，只是标记符号换成*：
启用DOTALL模式，匹配整个无序列表块：

(<ul>)(.*?)(<\/ul>)

对中间的$2执行替换：

• 替换正则：<li>(.*?)<\/li>
• 替换为： * $1

方法二：分步全局替换 #

如果工具不支持嵌套替换，拆成四步全局替换也能实现：

1. 替换有序列表的<li>项：

<ol>\s*\K<li>(.*?)<\/li>(?=\s*<\/ol>)

替换为：

# $1

（\K用来忽略前面的<ol>，正向断言确保只匹配<ol>内部的<li>）

2. 删除<ol>和</ol>标签：

<\/?ol>

替换为空字符串。

3. 替换无序列表的<li>项：

<ul>\s*\K<li>(.*?)<\/li>(?=\s*<\/ul>)

替换为：

* $1

4. 删除<ul>和</ul>标签：

<\/?ul>

替换为空字符串。

说明 #

Boost正则完全支持上述所有语法（\K、正向断言、DOTALL模式），只要在工具中开启对应的正则选项（比如设置boost::regex::dotall）就能完成转换，全程无需脚本遍历。

内容的提问来源于stack exchange，提问作者Gordon Mckeown