正則表達式是做文本解析工作必不可少的技能。如Web服務器日志分析，網(wǎng)頁前端開發(fā)等。很多高級文本編輯器都支持正則表達式的一個子集，熟練掌握正則表達式，經(jīng)常能夠使你的一些工作事半功倍。例如統(tǒng)計代碼行數(shù)，只需一個正則就搞定。嵌套Html標簽的匹配是正則表達式應用中一個比較難的話題，因為它涉及到的正則語法比較多，也比較難。因此也就更有研究的價值。

今天由于工作的需求，需要獲取html標簽的屬性值，立即想到了正則表達式，標簽如下：

circle id="ap_test" cx="200" cy="2000" r="2" stroke="black" stroke-width="0" fill="red"/>
circle id="ap_test" cx="201" cy="2001" r="2" stroke="black" stroke-width="0" fill="red"/>
circle id="ap_test" cx="202" cy="2002" r="2" stroke="black" stroke-width="0" fill="red"/>
circle id="ap_test" cx="203" cy="2003" r="2" stroke="black" stroke-width="0" fill="red"/>

需要獲取circle />標簽的cx、cy的屬性值，想了一會寫出了一個：

$circle是上面的circle標簽的內(nèi)容

preg_match_all('/\s*circle\s+[^>]*?cx\s*=\s*(\'|")(.*?)\1[^>]*?cys*=s*('|\")(.*?)\\1[^>]*?\/?\s*>/i', $circle, $arr);
var_dump($arr);

$arr[2]是cx的值 ，$arr[4]是cy的值.

下面給大家介紹下正則匹配閉合HTML標簽（支持嵌套）

任何復雜的正則表達式都是由簡單的子表達式組成的，要想寫出復雜的正則來，一方面需要有化繁為簡的功底，另外一方面，我們需要從正則引擎的角度去思考問題。關(guān)于正則引擎的原理，推薦《Mastering Regular Expression》中文名叫《精通正則表達式》。挺不錯的一本書。

OK，先確定我們要解決的問題——從一段Html文本中找出特定id的標簽的innerHTML。

這里面最大的難點就是，Html標簽是支持嵌套的，怎么能夠找到指定標簽相對應的閉合標簽呢？

我們可以這樣想，先匹配最前面的起始標簽，假設是div吧（div），接著一旦遇到嵌套div，就“壓入堆?！?，后面如果遇到div閉合標簽了，就“彈出堆棧”。如果遇到閉合標簽的時候，堆棧里面已經(jīng)沒有東西了，那么匹配結(jié)束，此結(jié)束標簽為正確的閉合標簽。

我之所以能夠這樣去思考，是因為我了解過正則的特性，我知道正則中的平衡組能夠?qū)崿F(xiàn)我剛才說的“堆?！辈僮鳌Ｋ?，如果我們要編寫復雜正則表達式，需要對正則的一些高級特性至少有所了解，這樣我們思考問題才有個方向。

================================

匹配任意閉合HTML標簽的正則表達式：

(?HtmlTag>[\w]+)[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>

如果只想匹配div標簽，可以使用下面的正則表達式：

(?HtmlTag>div)[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>

是的，你可以把div修改成任意你想要匹配的HTML標簽

如果想同時匹配多個HTML標簽，可以使用下面的正則表達式：
(?HtmlTag>(div|span|h1))[^>]*?>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>
你還可以繼續(xù)添加更多要匹配的標簽

如果想匹配包含ID的標簽，可以使用下面的正則表達式：

(?HtmlTag>[\w]+)[^>]*\s[iI][dD]=(?Quote>["']?)footer(?(Quote)\kQuote>)[^>]*?(/>|>((?Nested>\kHtmlTag>[^>]*>)|/\kHtmlTag>>(?-Nested>)|.*?)*/\kHtmlTag>>)

這個正則匹配任意id為footer的HTML標簽