正则提取HTML标签内容仅适用于简单、格式固定的场景，需用非贪婪匹配和dotall模式处理换行，支持反向引用确保标签闭合，但无法可靠处理嵌套、属性含>、注释等复杂情况，生产环境应优先使用HTML解析器。
直接用正则提取 HTML 标签内容风险高、不推荐用于复杂或嵌套结构，但对简单、格式固定的场景（如纯文本标签、无属性、无嵌套）可快速实现。关键在于匹配标签边界并捕获中间内容。
基础写法：提取单个标签的文本内容
例如提取 <p>Hello</p> 中的 Hello：
正则模式：<p>(.*?)</p>
-
<p>匹配字面量开始标签 -
(.*?)非贪婪捕获任意字符（含空格、换行），括号表示要提取的内容 -
</p>匹配字面量结束标签
注意：若 HTML 含换行，需启用 dotall 模式（Python 中加 re.DOTALL，JS 中用 /s 标志），否则 . 不匹配换行符。
立即学习“前端免费学习笔记（深入）”；
支持常见标签名：用分组或字符类泛化
想同时匹配 <h1>、<div>、<span> 等：
正则模式：<(h1|div|span)>(.*?)</\1>
-
(h1|div|span)匹配并捕获标签名 -
</\1>用反向引用确保起止标签一致（避免<div>...</span>错误匹配） - 仍需非贪婪
.*?，防止跨标签误吞
跳过属性和自闭合标签的干扰
真实 HTML 常含属性（如 <img src="x">）或自闭合标签（<br/>），它们会破坏简单模式：
- 带属性的开始标签如
<p class="intro">，需扩展为<p\b[^>]*>(.*?)</p>（\b防止匹配到<p1>，[^>]*容忍任意属性） - 自闭合标签（
<br/>、<img ... />）没有内容，无需捕获，也不应被当作“开始标签”参与匹配 - 避免用
.*替代.*?，否则可能从第一个<p>一直匹配到最后一个</p>，吞掉中间所有标签
更安全的替代方案：优先用 HTML 解析器
正则无法可靠处理嵌套（如 <div><p>A</p></div>）、注释（<!-- ... -->）、CDATA 或属性中含 > 的情况（<tag attr="a>b">）。
- Python 推荐
BeautifulSoup：soup.find('p').get_text() - JavaScript 推荐
DOMParser：new DOMParser().parseFromString(html, 'text/html').querySelector('p').textContent - 命令行可用
pup（echo '<p>X</p>' | pup 'p text{}'）
正则适合临时脚本、日志清洗、已知格式的简单提取；生产环境涉及用户输入或未知 HTML 结构时，务必改用专用解析器。
