如何找到被HTML标签包含的单词？

Question

我正在使用Javascript和OpenOffice字典编写拼写检查器，但遇到了一个严重的问题。

我可以使用正则表达式找到整个单词，但如果这个单词看起来像prog<b>ram</b>ing，我需要使用jQuery的.text()方法删除所有html标签才能找到它。但是，如何替换这个单词并重建原始的html结构呢？ Spellchecker.com非常聪明地解决了这个问题 - 即使单词被错误拼写，拼写检查也能识别出类似prog<b>ram</b>ing的单词！

- yas

---

关于使用正则表达式处理HTML，我建议找另一种方法：https://dev59.com/X3I-5IYBdhLWcg3wq6do#1732454 - Olly Hodgson

Answer 1

/([\s>"'])prog(<[^>]+>)ram(<[^>]+>)ing([\s\.,:;"'<])/g 

将匹配您的示例

因此，以下正则表达式大致可以找到单词的所有实例，即使这些实例被HTML打断。

 var regExp = new RegExp('([\s>"\'])' + word.split('').join('(<[^>]+>)') + '([\s\.,:;"\'<])',g);

上帝知道这是否有助于您构建拼写检查器。我怀疑拼写检查器使用的方法更像是“进行拼写检查，假设没有HTML，并且如果单词中有HTML，则使用以下方法将其删除，并为您获得的字符串正常进行拼写检查：

String.prototype.stripHtml = function() {
  return this.replace(/(<[^>]+>)/, '');
}

- wheresrhys

Answer 2

我会使用一些工具来提取任何HTML，以便您处理纯文本。我无法确定JavaScript中是否有此类工具，但我相信它们存在。如果您可以找到一些方法来“清除” .text() 中的HTML，那么您可以通过这种方式运行搜索。

尝试使用类似于这样的工具：http://metacpan.org/pod/HTML::Scrubber

- Rabbott