改进JavaScript正则表达式，以匹配标记内部的内容，包括或不包括结束标记（self）

前言：我知道大家普遍反对使用正则表达式解析HTML。提前询问您，请避免在这方面提出任何建议

---

解释。 我有下面的正则表达式

/<div class="panel-body">([^]*?)(<\/div>|$)/gi

。。它还匹配没有结束标记的内容

完全匹配：

<div class="panel-body">
   <a href="#">Link</a>
   Line 1
   Line 2
   Line 3
</div>

<div class="panel-body">
   <a href="#">Link</a>
   Line 1
   Line 2
   Line 3
   Don't match after closing `div`...but match this and below in case closing `div` is removed.
   Line below 1
   Line below 2
   Line below 3

*注意：由于它是渐进式输出，所以在满负载之前它不会关闭

编辑2： 在公布答案后，我进行了速度对比测试。这取决于你，谁的解决方案最适合你

---

如果没有标记，则可以使用-all line not start by

(^|\r|\n|\r\n)[^<]+

---

（^ |\r |\n |\r\n）[^我还不能发表评论，所以我将尝试回答。非捕获组如何，您仍然拥有完整的匹配项，但匹配项中唯一的条目是内容。因此索引0

(?:<div class="panel-body">)([^]*?)(?:<\/div>|$)

（？：）（[^]*？）（？：|$）

您可以使用
DOM
解析器，该解析器还应包含不完整的标记：


函数divContent（str）{
//创建一个新的dov容器
var div=document.createElement（'div'）；
//将HTML分配给div的innerHTML
div.innerHTML=''+str+''；
//按给定的类名查找元素
var el=div.getElementsByClassName（“面板主体”）；
//返回找到的元素的第一个innerHTML
返回（el.length>0？el[el.length-1]。innerHTML:）；
}
//从完整标记中提取文本：
变量html=`
第1行
第2行
第3行
`;
log（divContent（html））；
//从不完整的标记中提取文本：
html=`
第1行
第2行
第3行
结束“div”后不匹配…但匹配此项和以下项
如果关闭“div”被删除。
1以下的行
第2行以下
3〃以下的线；
log（divContent（html））；
//OP'e编辑的HTML文本
html=`
centos.centos上的Webmin 1.851（centos Linux 7.3.1611）
`;
console.log（divContent（html））；
它必须是一个regexp吗？您可以只查找开始标记，也可以删除结束标记（如果存在）：

function parseContent(input) {
  var openingTag = '<div class="panel-body">';

  var i = input.indexOf(openingTag);
  if (i == -1) {
    return ""; // Or something else
  }

  var closingTag = '</div>';
  var closingTagLength = closingTag.length;
  var end = input.length - (input.slice(-closingTagLength) === closingTag ? closingTagLength : 0);

  return input.slice(i + openingTag.length, end);
}

您不能忽略起始部分，因为这仅适用于JS不支持的lookbehinds

@georg我认为是这样，但想再次检查。然后只有选项1仍然有效。我知道你只想要正则表达式答案，但使用

DOM

可以很容易地解决这个问题。@anubhava嗨，正则表达式大师！：）你说

使用DOM

到底是什么意思？我的意思是：它不起作用，因为它包含其他标记。我更新了我的问题在上，将其他标记元素添加到容器中。这是不正确的regex101.com/r/ev7jd1/1-它与

标记之外的内容匹配。这太可怕了，对不起，伙计，没有冒犯的意思。你不是认真的，我知道！：）这一次我投了反对票。不需要第一个非捕获组。它比regex快吗？大小随着每个请求不断增长。这是p渐进式输出。然后正则表达式或非正则表达式解决方案在某一点后都会变慢。它不是从这个

开始的。它是从常规的HTML5页面开始的。您的示例是否可以处理所有未关闭的

div

标记，而不提及

主体
和
html
？是的，这是由DOM模块。这不应该有害，事实上是有益的。这是一个有趣的解决方案。我喜欢它。你认为
indexOf（）吗
将比
regex
快？但是，它与结束
div
标记外的文本匹配。看看：你真的需要担心速度吗？AJAX请求将花费很长时间，不同解析解决方案之间的几毫秒差将可以忽略。除此之外，请检查我的编辑。实际上它是mu渐进式输出的速度更快。理论上，这都是关于可能达到兆字节的数据量。例如，它是如何工作的。这都是SPA:
。indexOf（）
似乎是最快的。
\<[^div] ([^\r\n]*\n)+Line 3

(?:<div class="panel-body">)([^]*?)(?:<\/div>|$)

function parseContent(input) {
  var openingTag = '<div class="panel-body">';

  var i = input.indexOf(openingTag);
  if (i == -1) {
    return ""; // Or something else
  }

  var closingTag = '</div>';
  var closingTagLength = closingTag.length;
  var end = input.length - (input.slice(-closingTagLength) === closingTag ? closingTagLength : 0);

  return input.slice(i + openingTag.length, end);
}

function parseContent(input) {
  var openingTag = '<div class="panel-body">';

  var i = input.indexOf(openingTag);
  if (i == -1) {
    return ""; // Or something else
  }

  var closingTag = '</div>';

  var endIndex = input.indexOf(closingTag, i);
  var end = (endIndex === -1 ? input.length : endIndex);

  return input.slice(i + openingTag.length, end);
}