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

Hello

中的 Hello：

正则模式：

(.*?)

• 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
• 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。

支持常见标签名：用分组或字符类泛化

想同时匹配

、

、 等：

正则模式：(.*?)\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
  ... 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 ）或自闭合标签（
），它们会破坏简单模式：


DeepBI DHTML 页面生成器
生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力： - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面； - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”； - 提及位于 `apps/console/src/featur
下载
• 带属性的开始标签如
  ，需扩展为

  ]*>(.*?)

  （\b 防止匹配到 ，[^>]* 容忍任意属性）
• 自闭合标签（
、）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
  一直匹配到最后一个 ，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

A

）、注释（）、CDATA 或属性中含 > 的情况（）。
• 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 '

  X

  ' | 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。