27、实用正则表达式技术：HTML 相关应用与 URL 处理

实用正则表达式技术：HTML 相关应用与 URL 处理

1. 正则表达式匹配速度

在实际应用中，正则表达式的相对匹配速度依赖于工具和数据。例如，当目标文本非常长，但两端的空白字符较少时，某种中间方法可能比简单方法更快。不过，在实际编程里，通常使用如下代码去除文本两端的空白字符：

s/^\s+//;
s/\s+$//;

这是因为它几乎总是最快的，而且最容易理解。

2. HTML 相关示例

2.1 匹配 HTML 标签

常见的匹配 HTML 标签的正则表达式是 <[^>]+> ，例如在 Perl 中用于去除标签的代码：

$html =~ s/<[^>]+>//g;

然而，当标签内包含 > 时，这个正则表达式就会匹配错误，如 <input name=dir value=">"> 。实际上，HTML 允许在引号属性中出现原始的 < 和 > 。因此，需要更智能的正则表达式。

允许出现在 <...> 内的有引号序列和未加引号的“其他字符”（除 > 和引号外的所有字符）。HTML 支持单引号和双引号字符串，且不允许转义嵌入的