Question

我想验证输入的代码是否为HTML代码（必须以<html>开头并以</html>结尾）

我尝试这样做

var reghtml = new RegExp("(<html>*\n+</html>)");

但我有一个问题需要在代码中生成一个\ n，我需要验证第一个和结束标记（= <html>和</html>），如果他们在它们之间做了什么，必须以<开头并以>

结尾

有什么解决方案吗？

Answer 1

您不应该使用正则表达式来验证HTML（更不用说解析它），因为HTML不是“Regular Language”。

所以这里是一个假阴性案例的例子，它会导致你写的任何正则表达式试图验证HTML以将其标记为无效：

<html>
<head>
    <!-- </html> -->
</head>
<body>
    <p>This is valid HTML</p>
</body>
</html>

由于您可以在HTML（以及SGML和XML）中嵌套注释，因此无法为此特定情况编写简单的正则表达式：

<html>
<head>
    <!-- <!-- <!-- <!-- </html> -->
</head>
<body>
    <p>This is valid HTML</p>
</body>
</html>

这是假阳性（假设您不使用^$正则表达式锚点）：

<p>illegal element</p>
<html>
    <img>illegal text node</img>
</html>
<p>another illegal element</p>

当然，有更强大的正则表达式实现可以为计数深度等事物添加基本的支持，但是你会陷入伤害的世界。

验证HTML的正确方法是使用HTML DOM库。在.NET中，这是HtmlAgilityPack。在基于浏览器的JavaScript中，它甚至更简单：只需使用浏览器的内置解析器（innerHTML）：

（从Check if HTML snippet is valid with Javascript被盗）

function isValidHtml(html) {
    var doc = document.implementation.createHTMLDocuiment("");
    doc.documentElement.innerHTML = html;
    return ( doc.documentElement.innerHTML === html );
}

Answer 2

这里有一个模式。它检查第一级是否具有有效的开始和结束标记。第一级必须有结束标记，您不能<html><img /></html>，因为您可以删除整个结束标记检查模式部分。

＆＃13;

var validHtml = '\
<html itemscope>\
	<head></head>\
	<body style="background: red;">\
		Everything is fine\
	</body>\
</html>\
',
	invalidHtml = '\
<html itemscope>\
	<head></foot>\
	<body>\
		Nothing is fine\
	</body>\
</html>\
',
	pattern = /^\s*<html(?:\s[^>]*)?>(?:\s*<(\w+)(?:\s[^>]+)?>(?:.|\s)*<\/\1>\s*)*<\/html>\s*$/i;
	
console.log(pattern.test(validHtml) ? 'valid' : 'invalid');
console.log(pattern.test(invalidHtml) ? 'valid' : 'invalid');

＆＃13;

正则表达式HTML标记javascript

2 个答案: