层次正则表达式

解决方法是不使用正则表达式。他们没有足够的力量做这种事。

你想要的是 分析器

通常认为尝试用RegEx解析HTML/XML是不好的做法,因为它是分层的。您可以使用递归函数来实现这一点,但在这种情况下,更好的解决方案是使用真正的XML解析器。如果不知道你使用的平台,我就不能给你更好的建议。

编辑:Regex也非常慢,这是它不利于处理HTML的另一个原因;但是,我不知道XML/DOM处理器可能会更快,因为它可能会占用更多的内存。

如果您只想从一个简单的文档中获取数据(如您所演示的),并且/或者您想自己构建一个解决方案,那么这并不是很难做到的。只需构建一个简单的、基于递归状态的流处理器,它查找标记并将内容传递到下一个递归级别。

例如:

- In a recursive function, seek out a "<" character.
- Now find a ">" character.
- Preserve everything you find until the next "<" character.
- Find a ">" character.
- Pass whatever you found between those tags into the recursive function.

你必须自己检查错误,但是基本情况(当你返回到上一个级别时)只是在没有其他东西可以找到的时候。

也许这有帮助,也许没有。祝你好运。

您应该为此使用XML解析器。