c# - Javascript RegEx 不会工作，但在 c# 中工作(原子子表达式)

Question

我在 Expresso 中测试了一个正则表达式，效果非常好。但是当我尝试在 javascript 中使用它时出现错误。 Firebug 说:

invalid quantifier ?><div\b[^>]*>(?<DEPTH>)|<\/div>(?<-DEPTH>)|.?)*(?(DEPTH)(?!))<\/div>

正则表达式:

<div\b[^>]*>(?><div\b[^>]*>(?<DEPTH>)|</div>(?<-DEPTH>)|.?)*(?(DEPTH)(?!))</div>

正则表达式匹配嵌套的 html-div，例如:

<div id="foo"><div>blubb</div><div foobar>blubb</div></div>

javascript 正则表达式只是一个子集吗？

编辑:我必须去掉 div，包括它们之间的文本。

<div id="foo"><div>blubb</div><div foobar>blubb</div></div>some
non html...

只有“一些非 html...”应该保留。所以我想我不能使用任何 htmlparser？

Answer 1

Is the javascript regex only a subset?

不，它们不同 - 有各种各样的正则表达式引擎，它们各自有不同的特性/怪癖。

C# 比 JavaScript 有更多的特性，但是 JS 的特性不是从 C# 派生的，所以它不是一个子集。

这里有几页记录了差异:

• http://www.regular-expressions.info/refflavors.html
• http://www.regular-expressions.info/refext.html

整个网站 ( regular-expressions.info) 非常值得浏览以了解有关正则表达式的更多信息。

The regex matches nested html-divs

它可能不会，并非在所有情况下。

而且对于单个 JS 正则表达式来说肯定是不可能的，因为它不支持深度内容等等。

您为此工作使用了错误的工具 - 解析 HTML 应该使用适当的 HTML 解析器/选择器来完成，然后分析 DOM 以找到嵌套的 div。

任何实现 Sizzle 的东西应该做的(即 jQuery 、 Dojo Toolkit 等)。

例如，类似 jQuery('div:has(div)') 的内容或 dojo.query('div:has(div)')或类似的，应该找到嵌套的 div(即选择其中嵌套了一个 div 的所有 div)，并且将正确处理各种怪癖，如果使用单个正则表达式不是不可能的话，这些怪癖可能很复杂。

edit: I have to strip the div's, including the text between them, away.
<div id="foo"><div>blubb</div><div foobar>blubb</div></div>some
non html...
only the "some non html..." should stay. So I think I can't use any htmlparser?

不 - 这是使用 HTML 解析器的更多理由，而不是尝试困惑的正则表达式破解。

jQuery('#foo div').remove()

这将删除所有子 DIV，并保留 HTML 文本节点。

根据您的具体要求，选择器可能需要更改，但这对于旨在理解 HTML 的工具来说绝对是一项任务。