在HTML中使用正则表达式何时是明智的？

虽然regexp绝对不是完全解析HTML文档的正确工具，但我看到很多人盲目地忽视了关于regexp的任何问题，如果他们在建议的文本中看到了一个HTML标记

---

由于我们看到很多例子表明regexp不是正确的工具，我想问一下您的意见：在什么情况下，简单的模式匹配比使用完整的解析引擎更好？

如果您可以保证需要匹配的模式在单个HTML标记中，然后也许你可以创建一个正则表达式来匹配它

---

换句话说，当您需要一个表达式来查找匹配的标记/结束标记时，以及当您需要匹配的内容可能包含嵌套的标记、注释、CDATA节等时，都是如此。

如果您希望使用regexp解析的HTML集已知符合某种模式。e、 如果你知道没有注释掉的HTML，或者复杂的场景等等

---

e、 g.我经常鼓吹不要在HTML中使用正则表达式，但是如果我有一套我熟悉的HTML，非常简单，并且我可以轻松检查后期操作，那么我对使用正则表达式毫无疑问。

我认为最好的答案是：正则表达式是正确的工具，除非它们不是

我认为如果你能用正则表达式干净有效地解决你的问题，那就去做吧。但是我看到过太多的正则表达式黑客，因为程序员/网页设计师就是很懒

---

Regex功能强大，是程序员可以学习的最好的工具之一，但您还需要学习何时使用它以及何时使用不同的工具。

如果您使用的信息有规则的语法，那么Regex就很棒。HTML没有规则的语法，所以事情更复杂

如果您完全100%知道您想要的是什么类型的东西，则Regex是合适的-替换：

<tag>Info</tag>

Info

与

戴夫

---

在一个你可以完全控制的文档中是有意义的，但是现实生活中的HTML不是这样的。

显然，在最简单的情况下，比如

<a>Test</a>

//匹配
//不匹配
当你知道自己在做什么时

）
杰夫·阿特伍德（Jeff Atwood）在其名为和的博客文章中对此进行了广泛讨论

“所以，是的，一般来说，在解析HTML时使用正则表达式是个坏主意。我们绝对应该教给新手开发人员这一点。尽管这显然是一份永不停歇的工作。但我们也应该告诉他们解析HTML和处理几个字符串的简单便利之间的真正区别。以及如何判断当前任务的正确方法。”

在上面提到的帖子中可以找到更多细节。
有一件事值得记住，就是有两个主要的原因反对使用正则表达式处理HTML。一个原因与垃圾HTML的可能性有关，它的格式不可预测。这本身就是在处理HTML过程时持怀疑态度的正当理由使用regex，从一开始就抛出了很多用例。问题是这个源经常被用来“把婴儿连同洗澡水一起扔掉”，也经常与第二个主要反对源（通常都没有说出来）混为一谈，尽管它们完全无关

反对意见的另一个主要来源是HTML语言的复杂性超过了“正则表达式”的一些理想化理论概念，这一概念过于笼统，无法应用于许多用例，但通常被广泛应用。反对意见如下：

真理：正则表达式处理正则语法
真理：HTML不是一种常规语法
无法使用正则表达式处理HTML
我认为很多人只是从表面上看这些真理，而没有考虑它们的含义。Bill Karwin在这里的另一个回答中提到了一些HTML不是常规语法的情况，但当上下文是一个具有非常规功能（如反向引用，甚至递归）的“regex”引擎时，这个论点就不成立了。这些功能解决了许多“非常规语法”的异议，但在格式错误的文档上仍然可能失败

<>这个区别很少被画出来，很少有人指出大多数现代的“正则”表达式库的能力远远超出了常规的语言处理。我认为每当评价“正则”时，这些都是很重要的事情。“用于处理某些HTML的适当工具的表达式。
您可以在解析您控制的HTML或为特定HTML页面编写解析器时使用regexp。在尝试构建通用解析器时不应该使用regexp。
我刚刚发现了一个regexp优于html解析器的示例。我需要从一个长页面（8231行，400kb）中提取一些信息，我首先尝试使用。由于中报告的问题，我陷入了困境，于是我选择了另一种方法，我意识到我实际上只需要该文件前416行中包含的信息（约占总数的4%），而将整个DOM加载到内存中看起来就像是巨大的资源浪费

现在我仍然不知道为什么simplehtmldom在这方面会失败，所以我无法真正比较这两个解决方案的性能，但是regexp版本只加载所需的行数（直到我感兴趣的
末尾，没有更多），而且速度非常快。
查看以下答案：有“真实生活”HTML是已知的，也是可预测的，你知道。如果它是其他人任意编辑的东西，那么它就不会被知道。然而，如果有一个程序总是以特定的格式输出，那仍然是“现实生活”，正则表达式可以工作（…直到程序改变）。一般的重言式不是吗
<a>Test</a>

< A > Test</a>                // match
< a href="test">   Test</a>   // match
< A TEST="test"/>             // no match
< a href="test<">Test</A>     // invalid input - catch that with a regex!