我有一个字符串，想要检查它是否为HTML格式。我使用正则表达式进行匹配，但是结果不正确。
我验证了我的正则表达式，在这里是有效的。
var htmlRegex = new RegExp("<([A-Za-z][A-Za-z0-9]*)\b[^>]*>(.*?)</\1>");
return htmlRegex.test(testString);
这是 jsfiddle 的链接，但正则表达式在那里没有运行。http://jsfiddle.net/wFWtc/
在我的电脑上，代码能够正常运行，但结果为 false 而不是 true。 我错过了什么？
if ($(testString).length > 0)
$(testString).length = 1，这意味着 textStging 中只有一个 HTML 标签。$()是CSS选择器操作。 但也是文本HTML序列化的DOM节点工厂。 但是...根据另一个答案所遭受的与jQuery相同的依赖，“div”不是HTML，但如果页面上存在任何<div>元素，则会返回true。 这是一种非常糟糕的方法，我已经习惯了几乎所有不必要地涉及jQuery的解决方案。（让它死去吧。） - amcgregorconst containsHTML = (str: string) => /<[a-z][\s\S]*>/i.test(str);
原始请求并没有说解决方案必须是一个RegExp，只是尝试使用RegExp。我会提供这个解决方案。如果可以解析单个子元素，则说明它是HTML。请注意，如果body仅包含注释、CDATA或服务器指令，则此方法将返回false。
const isHTML = (text) => {
try {
const fragment = new DOMParser().parseFromString(text,"text/html");
return fragment.body.children.length>0
} catch(error) { ; }
return false;
}
有一些花哨的解决方案，涉及利用浏览器本身来尝试解析文本，识别是否构建了任何DOM节点，这将会……很慢。或者使用正则表达式，速度会更快，但是……可能不准确。此问题还有两个非常不同的问题：
字符串部分是HTML文档，包含HTML元素标记或编码实体吗？这可以用作指示器，表明该字符串可能需要漂白/清理或实体解码：
/</?[a-z][^>]*>|(\&(?:[\w\d]+|#\d+|#x[a-f\d]+);/
在本文撰写时，您可以在所有现有答案的示例中看到此模式的使用情况，还包括一些相当丑陋的所见即所得或 Word 生成的示例文本以及各种字符实体引用。
HTML 规范对于它认为的 HTML 文档非常宽松。 浏览器会尽最大努力将几乎任何垃圾文本解析为 HTML。有两种方法：要么将所有内容都视为 HTML（因为如果使用 text/html Content-Type 提供，则用户代理将花费很大的精力来尝试将其解释为 HTML），要么查找前缀标记：
<!DOCTYPE html>
<!DOCTYPE html>
<title>Yes, really.</title>
<p>This is everything you need.
<html>，<head>和<body>。尽管我觉得很有趣的是，SO的语法高亮在没有显式提示的情况下无法正确检测到它们。我需要类似于 XML 字符串的东西。 我会把我想到的放在这里，以防对任何人有用。
static isXMLstring(input: string): boolean {
const reOpenFull = new RegExp(/^<[^<>\/]+>.*/);
const reOpen = new RegExp(/^<[^<>\/]+>/);
const reCloseFull = new RegExp(/(^<\/[^<>\/]+>.*)|(^<[^<>\/]+\/>.*)/);
const reClose = new RegExp(/(^<\/[^<>\/]+>)|(^<[^<>\/]+\/>)/);
const reContentFull = new RegExp(/^[^<>\/]+.*/);
const reContent = new RegExp(/^[^<>&%]+/); // exclude reserved characters in content
const tagStack: string[] = [];
const getTag = (s: string, re: RegExp): string => {
const res = (s.match(re) as string[])[0].replaceAll(/[\/<>]/g, "");
return res.split(" ")[0];
};
const check = (s: string): boolean => {
const leave = (s: string, re: RegExp): boolean => {
const sTrimmed = s.replace(re, "");
if (sTrimmed.length == 0) {
return tagStack.length == 0;
} else {
return check(sTrimmed);
}
};
if (reOpenFull.test(s)) {
const openTag = getTag(s, reOpen);
tagStack.push(openTag); // opening tag
return leave(s, reOpen);
} else if (reCloseFull.test(s)) {
const openTag = tagStack.pop();
const closeTag = getTag(s, reClose);
if (openTag != closeTag) {
return false;
}
// closing tag
return leave(s, reClose);
} else if (reContentFull.test(s)) {
if (tagStack.length < 1) {
return false;
} else {
return leave(s, reContent); // content
}
} else {
return false;
}
};
return check(input);
}
最受欢迎的答案将以下字符串验证为HTML模式，但实际上它并不是：
true = (b<a || b>=a)
更好的方法是<([a-zA-Z]+)(\s*|>).*(>|\/\1>)，可以在这里进行可视化。
有关详细信息，请参见HTML标准。
此模式不会验证您的HTML文档，而是验证HTML标记。显然还有改进的空间，您改进得越多，就越快获得非常复杂的HTML验证模式，这是您想避免的。
示例：
<t>
<a >
<g/>
<tag />
<tag some='1' attributes=2 foo >...
<tag some attributes/>
<tag some attributes/>...</tagx>
def isHTML(string):
string1 = string[:]
soup = BeautifulSoup(string, 'html.parser') # Can use other HTML parser like etree
string2 = soup.text
if string1 != string2:
return True
elif string1 == string2:
return False
它在我的2800个字符串样本上运行成功。
伪代码如下：
define function "IS_HTML"
input = STRING
set a copy of STRING as STRING_1
parse STRING using an HTML parser and set as STRING_2
IF STRING_1 is equal to STRING_2
THEN RETURN TRUE
ELSE IF STRING_1 is not equal to STRING_2
THEN RETURN FALSE
这在我的测试案例中有效，它可能也适用于你。
我的解决方案是
const element = document.querySelector('.test_element');
const setHtml = elem =>{
let getElemContent = elem.innerHTML;
// Clean Up whitespace in the element
// If you don't want to remove whitespace, then you can skip this line
let newHtml = getElemContent.replace(/[\n\t ]+/g, " ");
//RegEX to check HTML
let checkHtml = /<([A-Za-z][A-Za-z0-9]*)\b[^>]*>(.*?)<\/\1>/.test(getElemContent);
//Check it is html or not
if (checkHtml){
console.log('This is an HTML');
console.log(newHtml.trim());
}
else{
console.log('This is a TEXT');
console.log(elem.innerText.trim());
}
}
setHtml(element);
window.isHTML=(content)=>{
let elem = document.createElement('p');
elem.innerHTML = content;
return elem.children.length > 0;
}
isHTML('hello') //false
isHTML('<p>hello</p>') //true
isHTML('<p>hello</p> world') //true
有一个 NPM 包叫做 is-html，可以尝试解决这个问题 https://github.com/sindresorhus/is-html
<html>和<body>标签，这两个标签都是完全可选的。 "不匹配XML"测试是有意义的。 - amcgregor
<和至少一个>，并将其称为HTML，或者你可以检查它是否具有正确的HTML语法，并严格有效，也可以在两者之间任意选择。对于最简单的情况，不需要使用HTML解析器。 - JJJ