正则：如何处理嵌套的HTML标签中的内容？

[zhongmao]

我想用正则表达式处理html中的文本，因为处理的同时还要保证html标签，所以不能用innerText。
代码如下：
在处理嵌套的HTML时，这个正则匹配有问题,
如处理：<ul><li>列表中的Text</li></ul>时，match.SubMatches(2)是空。
而我需要得到的内容是“列表中的Text”或者“<li>列表中的Text</li>”

大家帮我看看，应该怎么修改这个正则。

<script type="text/vbscript">
<!--
p_template = "<aaa>自定义标签</aaa><ul>aa<li>列表中的Text</li>aa</ul><p><img src='http://wwwy1.asdfs.com' width='100px' height='50' />P中间IMG后面的 文字</p><a href='mailto:aa?subject=bb&body=cc'>这个是链接文字</a>链接后 的文字"
Set p_regexp = New RegExp
p_regexp.Global = True
p_regexp.Pattern = "<([a-z]+)(.*)>(.*)<\/\1>"
'While p_regexp.Test(p_template)
'MsgBox p_template
Set Matches = p_regexp.Execute(p_template)
For Each match in Matches
'If p_regexp.Test(p_template)

p_regexp.Pattern = match.Value
p_template = p_regexp.Replace(p_template, match.SubMatches(2))
MsgBox match.SubMatches(2)
Next
'Wend

MsgBox p_template
//-->
</script>

[zhongmao]

谢谢jinjuduo()
受到你的提示，我把第二个匹配改成非贪婪的后，基本上达到我了的目的。
另外还有一个问题：
这个链接<a href='http://www.163.com/index.php?subject=bb&body=cc'>这个是链接文字</a>，当链接有?问号时，就匹配不上，这是为什么？


<script type="text/vbscript">
<!--
p_template = "<aaa>自定义标签</aaa><ul>aa<li>列表中的Text</li>aa</ul><p><img src='http://wwwy1.asdfs.com' width='100px' height='50' />P中间IMG后面的 文字</p><a href='http://www.163.com/index.php?subject=bb&body=cc'>这个是链接文字</a>链接后 的文字"
Set p_regexp = New RegExp
p_regexp.Global = True
p_regexp.Pattern = "<([a-z]+)(.*?)>(.*)<\/\1>"
'While p_regexp.Test(p_template)
'MsgBox p_template
Set Matches = p_regexp.Execute(p_template)
For Each match in Matches
'If p_regexp.Test(p_template)

p_regexp.Pattern = match.Value
p_template = p_regexp.Replace(p_template, match.SubMatches(2))
'MsgBox match.SubMatches(2)
Next
'Wend

MsgBox p_template
'MsgBox p_regexp.Test(p_template)
//-->
</script>

[jinjuduo]

我刚才看了一下，是由于？在正则为特殊含义字符引起的，你把？替换为*+等都不能匹配，最好还是回避它，但是最终的原理我也没有弄清楚。
<script type="text/vbscript">
<!--
p_template = "<aaa >自定义标签</aaa><ul>aa<li>列表中的Text</li>aa</ul><p><img src='http://wwwy1.asdfs.com' width='100px' height='50' />P中间IMG后面的 文字</p><a href=''http://www.163.com/index.phpsubject=bb&body=cc'>这个是链接文字</a>链接后 的文字"
p_template=Replace(p_template,"?","")
Set p_regexp = New RegExp
p_regexp.Global = True
p_regexp.Pattern = "<([a-z]+)([^>]*)>(.*)<\/\1>"
'While p_regexp.Test(p_template)
'MsgBox p_template
Set Matches = p_regexp.Execute(p_template)
For Each match in Matches
'If p_regexp.Test(p_template)

p_regexp.Pattern = match.Value
p_template = p_regexp.Replace(p_template, match.SubMatches(2))
'MsgBox match.SubMatches(2)
Next
'Wend

MsgBox p_template
'MsgBox p_regexp.Test(p_template)
//-->
</script>

[zhongmao]

超链接中不出现*+还可能，但是要避免&基本上不可能，
应该有解决方法吧，
期待中

[littlelam]

"<([a-z]+)(.*)>([^<]*)<\/\1>"

[zhongmao]

littlelam(竹子岌）

你提供的表达式也不能正确匹配哦

[jinjuduo]

<textarea id="txt">
<aaa>自定义标签</aaa><ul>aa<li>列表中的Text</li>aa</ul><p><img src='http://wwwy1.asdfs.com' width='100px' height='50' />P中间IMG后面的 文字</p><a href='mailto:aa?subject=bb&body=cc'>这个是链接文字</a>链接后 的文字
</textarea>

<script language="vbScript" >

alert(test(txt.value))
function test(x)
dim re,mmm,m,i,str
set re = new RegExp
re.Global = true
re.IgnoreCase = true
re.Pattern = "<ul(.*?)>([^<]*?)(<.*?>([^<>]*)</.*?>)([^<]*?)</ul>"
set mmm = re.execute(x)
'alert mmm.count
for each m in mmm
str = str & re.replace(m,"$3")
str = str & re.replace(m,"$4")
next
test = str
end function
</script>

[jinjuduo]

$3 <li>列表中的Text</li>
$4 列表中的Text