如何使用正则表达式选取指定HTML标签内的内容？

嘿，这个问题挺常见的，但咱得先唠一句：正则表达式其实不是处理HTML的最佳选择——毕竟HTML是层级嵌套的结构，正则天生擅长处理线性文本，遇到复杂嵌套很容易翻车。不过如果你的HTML结构比较规整（比如目标div里没有复杂的嵌套div，或者结构可控），还是可以用正则来实现的，下面给你两种场景的方案：

场景1：目标div内部没有嵌套div #

这种情况最简单，用非贪婪匹配就能搞定：

<div class="container header">(.*?)</div>

• .*?是非贪婪匹配，会匹配到第一个</div>就停止，避免把后面无关的内容也捞进来。
• 注意：如果你的HTML里有换行，得开启正则的「多行模式」（不同工具里的设置不一样：比如JavaScript加/s修饰符，Python用re.DOTALL参数）。

场景2：目标div内部有嵌套div（谨慎使用） #

如果div里还有嵌套的div，普通正则就搞不定了，得用支持递归的正则引擎（比如Python的re模块、PCRE），用递归匹配来处理嵌套：

<div class="container header">((?:(?!<div[^>]*>|</div>).|(?R))*)</div>

这个正则的逻辑是：要么匹配一个不是div开始/结束标签的字符，要么递归匹配整个模式（处理嵌套的div）。但说实话，这个方法局限性极强——一旦HTML里有注释、属性带特殊字符或者结构稍微乱一点，就会匹配出错。

真心推荐的靠谱方案：用DOM解析器 #

与其跟正则死磕，不如用专门的HTML解析工具，不管嵌套多复杂都能精准获取内容：

• JavaScript环境：直接用浏览器的DOM API，一行代码搞定：

  const targetDiv = document.querySelector('.container.header');
  const innerContent = targetDiv ? targetDiv.innerHTML : '';
  

• Python环境：用BeautifulSoup库，代码也很简洁：

  from bs4 import BeautifulSoup
  
  html = """你的HTML代码片段"""
  soup = BeautifulSoup(html, 'html.parser')
  target_div = soup.find('div', class_='container header')
  if target_div:
      # 获取包含标签的内部内容
      inner_html = target_div.decode_contents()
      # 或者获取纯文本内容
      inner_text = target_div.get_text(strip=True)
      print(inner_html)
  

内容的提问来源于stack exchange，提问作者jojoi