function testss(obj)
{
//obj为html内容
var reg = /\<body\>.*\<\/body\>/i;
alert(obj.match(reg));
}
这种测试的时候 obj="ssssss<body>tttttttttt</body>iiii";是能取到数据，但传进来的复杂html后，显示为null。不知道obj为多行的时候应该怎么写？望指教！在线等结。
-
等级
本版专家分：55结帖率 100% -
我接收到一html页面，想用js取出body里面的内容
function testss(obj)
{
//obj为html内容
var reg = /\<body\>.*\<\/body\>/i;
alert(obj.match(reg));
}
这种测试的时候 obj="ssssss<body>tttttttttt</body>iiii";是能取到数据，但传进来的复杂html后，显示为null。不知道obj为多行的时候应该怎么写？望指教！在线等结。展开阅读全文
-
等级
本版专家分：33355勋章
-
- 蓝花 2006年3月 Web 开发大版内专家分月排行榜第三
-
-
function testss()
{
var a=document.getElementsByTagName("body")[0].innerHTML.toString()
}
</script>
[/code]
</head>
<body onload='testss()'>
-
等级
本版专家分：33355勋章
-
- 蓝花 2006年3月 Web 开发大版内专家分月排行榜第三
-
-
function testss()
{
var a=document.getElementsByTagName("body")[0].innerHTML.toString()
alert(a)
}
-
等级
本版专家分：8985 -
/\<body\>\s\S\*?<\/body\>/i;
-
等级
本版专家分：33355勋章
-
- 蓝花 2006年3月 Web 开发大版内专家分月排行榜第三
-
-
正则的话要用//mig 这样，匹配换行的，而且 <body onload='testss()'>这种 也要考虑，就是不能简单的<body> .*\ <\body>
-
等级
本版专家分：15917勋章
-
- 红花 2008年1月 PHP大版内专家分月排行榜第一
-
-
黄花
2008年1月 Web 开发大版内专家分月排行榜第二
2007年12月 Web 开发大版内专家分月排行榜第二
-
- 蓝花 2007年4月 VB大版内专家分月排行榜第三
-
-
function testss(obj)
{
//obj为html内容
var reg = /\ <body\> [.|\n]*\ <\/body\> /i;
alert(obj.match(reg));
}
不行吗？
-
等级
本版专家分：15917勋章
-
- 红花 2008年1月 PHP大版内专家分月排行榜第一
-
-
黄花
2008年1月 Web 开发大版内专家分月排行榜第二
2007年12月 Web 开发大版内专家分月排行榜第二
-
- 蓝花 2007年4月 VB大版内专家分月排行榜第三
-
-
哦回的晚了，还是听mingxuan的吧
-
等级
本版专家分：55
-
先谢谢各位，传进来的是html，应该是文本吧，怎么用正则去匹配呢？其实我传进来的html是自己定的。就是<body>.*</body>，但不知道为什么取不到值。感觉是多行的问题。
-
等级
本版专家分：55
-
function testss(obj)
{
//obj为html内容
var reg = /\ <body\> [.|\n]*\ <\/body\> /i;
alert(obj.match(reg));
}
------------------
谢谢
alert(null)
-
等级
本版专家分：33355勋章
-
- 蓝花 2006年3月 Web 开发大版内专家分月排行榜第三
-
-
<script type="text/javascript">
var reg = /^<body>.*?<\/body>$/mi;
</script>
-
等级
本版专家分：33355勋章
-
- 蓝花 2006年3月 Web 开发大版内专家分月排行榜第三
-
-
<script type="text/javascript">
var reg = /<body>.*?<\/body>/mig;
</script>
- js正则有两个问题跪求高人指点
var evalExpr = /(.+?)%>/g; var expr = /([\s\S]+?)%>/g; 这两个正则里面的括号 .+?我知道是啥意思，放一起就不知道了？ 括号我知道是取值 请问这是取一个字符吧？ \s\S 和 . 哪个范围最大？
- 超诡异ie下js正则表达式问题
http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">http://www.w3.org/1999/xhtml"> function loaded(){ var h=document.getElementById("ddd").innerHTML; //var h=2; var h2=h.replace(//]*/>/g,"");...
- Python爬虫练习——爬取QQ音乐精彩评论（编码问题请高人指点！）
2020年2月17日，采用Requests模块以及正则表达式完成了一次爬虫练习… 爬取QQ音乐精彩评论 代码如下（欢迎各位指正）： import requests import re #获取网页源代码 def get_code(url): headers = {"User-Agent":...
- 正则表达式里那该死的点号
被困扰了很久，终于得到高人的指点。 正则表达式里的点号(.)，可以匹配除换行符之外的所有字符（为什么呢？） 那带有换行符的字符怎么匹配呢？ 有人说用 '[./n]' ，可试过在php里至少不行...
- javascript同一字符串多次匹配正则结果不一致
1 var reg=/abc/g, 2 str="abc"; 3 console.log(reg.test(str)); 4 console.log(reg.test(str)); 5 console.log(reg.test(str)); 6 console.log(reg.test(str)); 7 console.log(reg.test...乍一眼看上去，后...
- 提取 URL 的正则表达式
有个朋友问我一个在复杂文本中提取 URL 的正则表达式，在网上搜索了一下，鼓捣了好久，综合了多方资源，写出这么一个正则表达式：(?加上点注释，我们来分析下：(?<![a-zA-Z0-9://])(?#去掉左侧无用字符)((http|https...
- Javascript综合应用小案例
按需求弄了一个取词以及标红的小应用。 ...很多平时常用的东西，都用上了，所以拿出来说说。 ...以上是所有js代码，比较长，下面将列举一些比较突出的点（望高人多多指点）。 二、代码分析 1.获...
- JavaScript学习笔记（二）——从简单开始学起
JavaScript学习笔记（二）——从简单的经典学起
- js学习小计5-零宽断言
之前看到如何快速取得COOKIE名的时候，看到一个正则 /[^ =;]+(?=\=)/g，表示从来没接触到过这个语法，然后去翻了下资料，看到了零宽断言这个概念，真是拗口啊，完全联系不起来。 零宽断言： 用于查找在某些内容...
- 基于HTML模板和JSON数据的JavaScript交互
... 一、小妹妹不要怕，哥哥很温柔的 写文章之前，我总要去网上搜索相关资料，避免内容重复，顺便学习。...同样的，在这个风和日丽，阳光明媚的周三上午，我兴致勃勃地打开百度，搜索：“JS 模板 数据”，然
- JavaScript:String.replace
JavaScript中的String.replace(a, b)函数默认是只执行一次替换，即在某个字符串中检索a子串，然后再用b来替换a，只执行一次这样的操作，即使后面跟着多个a，它也不会继续往后面检索，其实我这么说是不正确的，准确的...
- 猿兄请留步，耽误你几分钟，把MVVM原理还给你
点击上方“IT平头哥联盟”，选择“置顶或者星标”与您一起成长～公众号回复[加群]一起成长～作者：chenhongdong时间在嘀嗒嘀嗒的走着既然来了就继续看看吧这篇文章其实没有什么鸟...
- 原生js实现手风琴菜单效果 与 css3的过渡实现手风琴效果
最近学了css3的变形、过渡和动画，写了一个用css3手风琴菜单的效果，又想着用原生JavaScript来实现手风琴菜单效果。感觉挺有意思的，现在给大家分享一下。 1、css3实现手风琴效果 style> *{margin: 0;padding: ...
- JS判断元素为数字的奇异写法分享 这是在阅读underscore（1.3.3）源码中看到的，它的each方法
这是在阅读underscore（1.3.3）源码中看到的，它的each方法 复制代码 代码如下: var each = _.each = _.forEach = function(obj, iterator, context) { if (obj == null) return; if (nativeForEach && ...
- 【JS】508- MVVM原理介绍
作者：chenhongdonghttps://juejin.im/post/5abdd6f6f265da23793c4458今天花上 10 分钟，针对 MVVM 这个面试必考点，简简单单...
- 每天一剂Ext良药（二）
如以下的HTML（就是一个textarea来放置内容）和JS： fvgssdfsd Ext.onReady(function(){ Ext.QuickTips.init(); new Ext.form.HtmlEditor({ applyTo : Ext.select('textarea.edk-htmlEditor').
- 搜索代码中的中文
<br /> eclipse： eclipse的search功能还真是强大，在containing text...在Eclipse对JSP,javascript用正则表达式[/u4e00-/u9fa5]+搜索 <br /> linux： grep [^/u4E00-/u9FA5]
- Lucene.Net无障碍学习和使用：搜索篇
一、初步认识搜索 先从上一篇示例代码中我们摘录一段代码看看搜索的简单实现： private TopDocs Search(string keyword,string field) { TopDocs docs = null;... SetOutput(string.For...
- ExtJS 常见问题解答
因为我们一般会是这样想，0即false，1即true，可完全视作等价，没什么好说的，其实，在JS中倒是有细微区别的。 如果："1" == 1 是成立的，即表达式是true，如果: "false" == false则是false。"false" 当然不是...
- android常见问题(一)
一：文本的颜色选择器： 在res目录下面创建color文件夹，在color文件夹下面创建font_style_colors.xml文件<?xml version="1.0" encoding="utf-8"?><selector xmlns:android=...
- tipdm_CarsAnalysis_src:泰迪杯C组题，数据分析答题原始码-源码
tipdm_C_CarsAnalysis_src 泰迪杯C组题答题原始代码 这个原始码为参赛者时做数据分析使用，由于其仅作为工具使用，并且加之时间缩短，所以没有做过多的性能优化。 日后会抽空改进算法，转化为效率。
- 垃圾分类数据集及代码
资源说明： 数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明： 1、 安装运行项目所需的python模块，包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传 3、 predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
- 2021年前端面试题汇总 高清pdf完整版
《2021年前端面试题汇总》主要介绍了js基础到入门、css和常用的web框架的一些常用面试题目。学完这个题库，把此题库都理解透彻应对各家企业面试完全没有问题。
- 大唐杯资料+题库（移动通信）
大唐杯资料+题库（移动通信）
- Java基础核心技术：多线程(day16-day17)
本套Java视频完全针对初级学员，课堂实录，自发布以来，好评如潮！Java视频中注重与学生互动，讲授幽默诙谐、细致入微，覆盖Java基础所有核心知识点，同类Java视频中也是代码量大、案例多、实战性强的。同时，本Java视频教程注重技术原理剖析，深入JDK源码，辅以代码实战贯穿始终，用实践驱动理论，并辅以必要的代码练习。 通过20的课程学习，使学员掌握java核心语法、面向对象思想编程、异常处理、IO流、集合类、多线程、网络编程等。
- Java Web酒店管理系统源码 +mysql 数据库
酒店管理系统分为前台和后台两个部分，其中后台供管理员管理系统之用，包括客房类型设置模块、客房设置模块以及操作员设置三个子模块，具体的功能模块如下。 客房类型设置模块：该模块用来管理酒店的所有客房类型，包括新增客房类型、编辑已有客房类型、删除客房类型等功能。 客房设置模块：该模块用来管理酒店的所有客房信息，包括新增客房、编辑已有客房、删除客房等功能。 操作员设置模块：该模块用来管理酒店的操作员信息，包括新增操作员、编辑已有操作员信息、删除操作信息等功能。 系统前台供酒店所有工作人员使用，包括入住登记模块、结账模块、预定模块、客户管理模块以及业务统计五个模块。具体的功能模块如下。 入住登记模块：该模块用来登记客户的入住信息，其中入住信息包括登记信息、客人信息以及费用信息三部分。 结账模块：该模块用来处理客户的退房信息，只需要知道客户所住的房间号码，就能进行退房结账。 预定模块：该模块用来处理客户的预定信息，除了可以新增预定信息外，还可以对已有的预定信息进行管理。 客户管理模块：该模块用来管理客户的登记信息，包括新增客户信息、编译已有客户信息、删除客户信息等功能。 业务统计模块：该模块用来统计酒店的客房出租率，并且已图形报表的形式来显示出租率信息。 本系统的开发工具具体如下。 系统开发平台：MyEclipse 6.5。 数据库管理系统软件：MySQL 5.0。 java开发包：JDK 5.0以上。 Web服务器：Tomcat 6.0。 本系统采用MVC架构模式开发，具体技术如下。 AJAX框架：使用ExtJS技术开发 显示层：使用JSP技术开发 数据访问层：使用DAO模式开发 持久层：使用Hibernate框架开发 首页访问地址 ：http://localhost:8080/JavaPrj_9/首页配置 页面 修改 打开web.xml 修改 即可
/WEB-INF/pages/userLogin.jsp
- 计算机设计大赛作品开发文档
参加的是2020年的计算机设计大赛，软件应用与开发赛道。我们的开发文档仅供参考。（20页）
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- VSCode launch.json配置详细教程
主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下