正则表达式读出HTML标签

Question

我正在寻找一个正则表达式,匹配包含多行的文本中所有使用过的HTML标记.它应该在以下行中读出"b","p"和"script":

<b>
<p class="normalText">
<script type="text/javascript">

有这样的事吗？我的开始是它应该以"<"开头并读取直到它到达空格或">",但同时,它不应该包括起始"<",因为我只想匹配字母/ word本身.思考？

Answer 1

在SO上有许多类似的问题:

1. 过滤掉HTML标签并解析python中的实体
2. 正则表达式匹配除<p>和</ p>之外的所有HTML标记
3. 删除链接以外的所有HTML标记

一般的协议是,最好不要使用正则表达式来解析HTML,而不是通过应用DOM解析器和遍历DOM树来正确地执行它.