正则匹配XMLHTML标签方法详解

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《正则匹配XMLHTML标签方法解析》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

用正则表达式匹配XML或HTML标签适用于简单场景，但不适用于复杂结构。1. 匹配开始标签可用<([a-zA-Z]+)(\s+[^>]*)?>；2. 匹配闭合标签可用<\/([a-zA-Z]+)\s*>；3. 匹配整个标签对及其内容可用<([a-zA-Z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>；4. 处理自闭合标签可用<([a-zA-Z]+)(\s+[^>]*)?\s*\/?>。注意：正则无法正确处理嵌套结构，推荐使用解析库进行完整解析，以确保准确性与安全性。

正则表达式匹配XML或HTML标签其实是个常见的需求，比如你想提取某个标签内容、替换特定标签或者做简单的解析。但要注意的是，HTML/XML结构复杂时，用正则表达式并不是最稳妥的方式，推荐使用专门的解析库。不过对于一些简单场景，比如提取固定格式的标签内容，正则还是可以胜任的。

下面介绍几种常见情况和对应的正则写法，适合想快速实现功能又不需要完整解析器的人。

匹配开始标签

如果你只想匹配像

或

这样的开始标签，可以用如下正则：

<([a-zA-Z]+)(\s+[^>]*)?>

• < 和 > 是标签的起始和结束符号。
• [a-zA-Z]+ 表示标签名，只匹配字母开头的标签（符合HTML规范）。
• \s+[^>]* 用于匹配可能存在的属性部分。
• 整体捕获第一个分组是标签名。

例如：

• ✅

• ✅

• ❌（这个是自闭合标签，需要额外处理）

---

匹配闭合标签

闭合标签比较简单，通常是类似

<\/([a-zA-Z]+)\s*>

• \/ 转义了斜杠 /
• 捕获第二个分组是标签名，方便你判断是否和开始标签匹配

例子：

• ✅
• ❌（空格不一致可能导致匹配失败）

匹配整个标签对及其内容（非嵌套）

如果你想匹配一对标签之间的所有内容（包括中间文本），可以用：

<([a-zA-Z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>

• 使用了非贪婪模式 (.*?) 来匹配内容
• \1 引用了第一个捕获组（也就是开始标签的名字），确保标签闭合一致

注意：这种写法不能正确匹配嵌套标签，比如

<([a-zA-Z]+)(\s+[^>]*)?\s*\/?>