Regex 提取两个标记之间的内容

我有一个简单的HTML字符串。我想从这个字符串中提取两个HTML标记之间的内容

我的源字符串是：

"Hello <b>world</b> test"

“你好世界测试”

我想摘录：“世界”

---

我该怎么做呢？

虽然这在非常简单的环境中是可能的，但我强烈建议不要这样做。Regexp不够强大，无法解析HTML。使用适当的HTML解析库。

我不知道您使用的是什么语言，这是一个VB.NET示例：

模式将是“hello（.*）test”

而Regex.Matches函数将接受您的输入和模式，并返回一组匹配项。每个匹配将包含组，组0将是整个匹配：“hello world test”，组1将是组内的文本：“world”

System.Text.RegularExpressions.Regex.Matches（“hello世界测试”、“hello（+）测试”）。项（0）。组（1）

正如Dervall所说，Regex的功能可能不足以满足您的需要，您可能需要对模式进行大量修改才能使用HTML，例如将空白（空格、制表符和新行）作为可选的一个示例。

假设您不是指任何标记，而是指特定的标记（在本例中为

），假设您的HTML格式良好，因此不包含嵌套的

标记：

(?s)<b[^>]*>((?:(?!</b>).)*)</b>

（？s）]*>（（？：（？！））*）

结果将出现在第1组中

说明：

(?s)       # Allow the dot to match newlines (hope you're not using JavaScript)
<b[^>]*>   # Match opening <b> tag
(          # Capture the following:
 (?:       #  Match (and don't capture)...
  (?!      #   (as long as we're not at the start of
    </b>   #    the string </b>
  )        #   )
  .        #  any character.
 )*        #  Repeat any number of times
)          # End of capturing group.
</b>       # Match closing </b> tag

（？s）#允许点匹配换行符（希望您没有使用JavaScript）
]*>#匹配开头标签
（#捕获以下内容：
（？：#匹配（不要捕捉）。。。
）只要我们不是一开始就行
#弦
)        #   )
.#任何角色。
)*#重复任意次数
)#捕获组结束。
#比赛结束标记

我将使用以下表达式，该表达式还将验证结束标记是否与开始标记匹配

(?<=<(b)>)[^>]+(?=</\1>)

（？]+（？=）

一个更“容易理解”的例子是：

(?<=<(b)>)[^>]+(?=</b>)

（？]+（？=）

我们需要知道您在中使用此正则表达式的语言。正则表达式用于识别文本。此外，您的示例与您的实际问题无关。请参阅此关于html提取的问题此处的最终答案：检查编辑-标记因格式错误而丢失。