可用正则提取HTML标签文本，如匹配 <p>内容</p> 中的内容；2. 可提取标签属性值，如 img 的 src；3. 可提取超链接的URL和显示文本；4. 但正则不适用于嵌套或格式错误的HTML，建议仅在简单场景使用，复杂结构应使用DOM解析器。
在处理网页内容或字符串时，经常需要从HTML中提取特定信息。虽然不推荐用正则表达式解析完整的HTML结构（应使用DOM解析器），但在简单场景下，正则表达式可以快速提取所需内容。
1. 提取HTML标签中的文本内容
如果你想从某个HTML标签中提取文本，比如获取 <p>Hello</p> 中的 "Hello"，可以使用如下正则：
/<p>(.*?)<\/p>/g说明：
- (.*?) 是非贪婪匹配，捕获标签内的内容
- g 标志表示全局匹配，找到所有匹配项
- 注意斜杠 / 需要转义为 \/
示例代码：
立即学习“前端免费学习笔记（深入）”；
const html = '<p>第一段</p><p>第二段</p>'; const matches = [...html.matchAll(/<p>(.*?)<\/p>/g)]; matches.forEach(match => console.log(match[1])); // 输出：第一段，第二段2. 提取指定标签的属性值
例如提取所有图片的 src 属性：
/<img[^>]+src=["']([^"']+)["'][^>]*>/g说明：
- [^>]+ 匹配标签内任意非“>”字符
- ["']([^"']+) 匹配单引号或双引号内的src值
- 适用于格式较规范的HTML片段
示例：
const html = '<img src="pic1.jpg" alt="图1"><img src="pic2.png">'; const srcs = [...html.matchAll(/<img[^>]+src=["']([^"']+)["'][^>]*>/g)]; srcs.forEach(match => console.log(match[1])); // pic1.jpg, pic2.png3. 提取超链接中的URL和链接文本
提取 <a href="...">... 的链接地址和显示文字：
/<a[^>]+href=["']([^"']+)["'][^>]*>(.*?)<\/a>/g示例：
const html = `<a href="https://example.com">访问示例网站</a>`; const links = [...html.matchAll(/<a[^>]+href=["']([^"']+)["'][^>]*>(.*?)<\/a>/g)]; links.forEach(match => { console.log('URL:', match[1]); // https://example.com console.log('文本:', match[2]); // 访问示例网站 });4. 注意事项与局限性
正则提取HTML有明显限制：
- 无法处理嵌套标签（如 div 套 div）
- 对格式错误的HTML容易出错
- 不支持完整HTML语法（注释、自闭合标签等）
- 性能不如原生DOM解析
建议： 在Node.js或浏览器环境中，优先使用DOMParser或jsdom等工具。仅在轻量、可控的HTML片段中使用正则。
基本上就这些，正则适合简单提取，复杂结构还是交给解析器更稳妥。
