HTML验证不改变字符串，但浏览器解析会修改HTML结构，导致正则在原始字符串上失效；应明确匹配对象是原始HTML还是DOM，避免用正则解析嵌套或动态HTML。
HTML 验证本身不会“导致”正则匹配失败，但验证过程（如浏览器解析、DOM 构建、实体解码）会改变原始字符串结构，使你写的正则在原始 HTML 字符串上失效。真正的问题是：你在对什么做匹配？原始字符串？还是 DOM 树？
正则匹配的是原始 HTML 字符串，不是渲染后的 DOM
很多人误以为 document.body.innerHTML 或 outerHTML 是“原始输入”，其实它已经是浏览器解析+规范化后的结果：空格被压缩、属性顺序重排、自闭合标签补全（<img> → <img />）、引号统一为双引号、 变成实际空格……这些都会让基于原始 HTML 写的正则失准。
- 如果你从服务器拿到的是
<p>hello world</p>，正则<p>(.*?)</p>能匹配到hello world；但用document.body.innerHTML取值后， - 属性值中含
<或>（如<span title="5 ），原始字符串里是 <code>，而 DOM 中已解码为 <code>，直接用 <code>[^>]*会提前截断 - 换行和缩进在原始 HTML 中存在，但在
innerHTML中常被抹平，导致依赖\n或\s+的正则失效
需要匹配特定标签内容时，别硬套 <tag>(.*?)</tag>
这个模式在嵌套、换行、属性含引号或实体时极易崩。比如 <div class="wrap"><div>inner</div></div>，非贪婪 <div[^>]*>(.*?)</div> 会停在第一个 </div>，取到的是空或错乱内容。
- 只匹配最外层且无子同名标签时，可用带回溯的
<(div)[^>]*>((?:(?!</\1>).)*)</\1>，但必须启用dotall（Python 的re.DOTALL，JS 的/s标志） - 属性值含双引号又含单引号时，不要用
["']([^"']*)["']，改用=(["'])(.*?)\1，靠引号配对捕获 - 匹配
<script>或<style>内容，先用<script[^>]*>([\s\S]*?)</script>（[\s\S]比.更稳，不依赖标志）
验证阶段已解码，正则却还在匹配转义字符
HTML 验证（比如表单提交前调用 checkValidity()）不改变字符串，但如果你在验证后取 element.textContent 或 value，这些值已是解码后的纯文本——而你写的正则还按 、<code>" 去匹配，自然找不到。
立即学习“前端免费学习笔记（深入）”；
- 输入框中用户输入
a<b，原始 value 是a<b>；但 <code>input.value返回的是a<b，此时正则若写就永远不命中 - 从
innerHTML提取内容后，需手动再编码才能和原始 HTML 字符串对齐，否则re.sub(r'<', ' 这类操作容易漏掉其他实体 - 安全做法：始终明确数据来源。要匹配原始 HTML，就用
fetch或XMLHttpRequest拿响应体字符串；要处理用户可见内容，就用textContent或value，并用对应解码规则
真正该停手的时候：只要涉及嵌套、属性动态、用户输入或验证反馈
正则能快速清洗、提取简单片段，但它不是 HTML 解析器。当你发现正则开始加各种例外分支（比如“如果里面有 就跳过”“如果属性值有换行就多抓几行”），说明已经越过合理边界。
- 需要取某个
id="main"元素的 innerHTML？用document.getElementById('main').innerHTML，别写正则去扫整个文档 - 要校验用户输入是否含恶意标签？用
DOMParser解析后再遍历节点，比任何正则都可靠 - 服务端返回 JSON 带 HTML 片段（如
{"html": "<p>test</p>"}），先 JSON.parse，再用 DOMParser 处理字段值，而不是对 JSON 字符串整体跑正则
最易被忽略的一点：正则匹配成功 ≠ 语义正确。一个 <div> 开始标签可能根本没闭合，或者被注释包裹，正则无法识别这种语法错误——而 HTML 验证器和浏览器会。这时候，信解析器，不信正则。
