如何使用Golang与正则表达式提取并存储多种标签内容

你的正则表达式存在两个关键问题，导致只能提取到第一个标签：

1. 贪婪匹配过度：(.|\n)*是贪婪模式，会尽可能匹配最长的内容——从第一个<tag1>开始，直接匹配到最后一个</tag2>的结束位置，所以只会返回一个包含所有内容的匹配结果。
2. 标签分组不关联：前后的(tag1|tag2)是独立分组，逻辑上允许出现<tag1>...</tag2>这种不合法的标签匹配，虽然你的示例里没出现，但这是潜在的bug。

修正方案 #

使用非贪婪匹配+反向引用的正则表达式，解决上述问题：

re := regexp.MustCompile(`<(tag1|tag2)>([\s\S]*?)</\1>`)

各部分作用：

• [\s\S]*?：\s匹配所有空白字符（包括换行），\S匹配非空白字符，合起来覆盖任意字符；?开启非贪婪模式，匹配到最近的闭合标签就停止，不会过度匹配。
• \1：反向引用第一个分组捕获的标签名（tag1或tag2），确保闭合标签和开头标签严格一致，避免不匹配的情况。

完整Golang代码示例 #

package main

import (
	"fmt"
	"regexp"
)

func main() {
	input := "<tag1>hello\nmy name is Matt</tag1><tag2>goodbye!</tag2>"
	// 编译修正后的正则
	re := regexp.MustCompile(`<(tag1|tag2)>([\s\S]*?)</\1>`)
	// 提取所有匹配结果，-1表示不限制匹配数量
	matches := re.FindAllStringSubmatch(input, -1)

	// 遍历输出每个标签的名称和内容
	for _, match := range matches {
		fmt.Printf("标签: %s\n内容: %s\n\n", match[1], match[2])
	}
}

运行后输出：

标签: tag1
内容: hello
my name is Matt

标签: tag2
内容: goodbye!

额外提示 #

如果你的场景中存在标签嵌套（比如<tag1><tag2>...</tag2></tag1>），正则表达式就不再适用了——正则无法处理嵌套结构的层级关系，这种情况建议使用Go标准库的encoding/xml或者第三方HTML解析库来处理。但针对你给出的平级标签场景，上述正则完全可以满足需求。

内容的提问来源于stack exchange，提问作者Matt