如何编写正则匹配自定义mark标签并捕获对应分组?
符合要求的正则表达式
如果你的正则引擎支持s(dotAll/单行)标志,可直接使用:
/<mark(?::(\S+))?\s+(.+?)\s+mark>/gs
如果引擎不支持s标志,将.替换为可以匹配所有字符的[\s\S]即可:
/<mark(?::(\S+))?\s+([\s\S]+?)\s+mark>/g
如果你需要严格匹配分组数量(无属性标记仅返回1个有效文本分组,带属性标记返回2个有效分组),可以使用分支写法:
/(?:<mark:(\S+)\s+([\s\S]+?)\s+mark>|<mark\s+([\s\S]+?)\s+mark>)/g
规则匹配说明
- 固定匹配开头
<mark,符合标记起始要求 - 可选属性段
(?::(\S+))?:- 冒号紧跟
<mark无空格,符合属性书写规则 \S+捕获属性值,要求属性值不能为空、不能包含空格
- 冒号紧跟
\s+匹配属性和文本、文本和结尾标记之间的至少1个空白(支持换行、空格)- 惰性匹配
+?保证只匹配到最近的一个mark>结尾,不会出现跨标记匹配的问题 - 固定匹配结尾
mark>,符合标记闭合要求
分组提取规则
- 单分支写法:带属性标记的捕获组1为属性值,捕获组2为文本内容;无属性标记的捕获组1为空,捕获组2为文本内容,可通过组1是否为空判断标记类型
- 分支写法:带属性标记的捕获组1为属性值,捕获组2为文本内容;无属性标记的捕获组3为文本内容,可直接判断哪个捕获组有值提取即可
所有你给出的测试用例均可正确匹配或拦截,完全符合你列出的自定义标记语法规则。
内容的提问来源于stack exchange,提问作者RıdvanÖnal
相关产品推荐
相关产品推荐

