用正则表达式匹配xml或html标签适用于简单场景，但不适用于复杂结构。1. 匹配开始标签可用<([a-za-z]+)(\s+[^>]*)?>；2. 匹配闭合标签可用<\/([a-za-z]+)\s*>；3. 匹配整个标签对及其内容可用<([a-za-z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>；4. 处理自闭合标签可用<([a-za-z]+)(\s+[^>]*)?\s*\/?>。注意：正则无法正确处理嵌套结构，推荐使用解析库进行完整解析，以确保准确性与安全性。
正则表达式匹配XML或HTML标签其实是个常见的需求，比如你想提取某个标签内容、替换特定标签或者做简单的解析。但要注意的是，HTML/XML结构复杂时，用正则表达式并不是最稳妥的方式，推荐使用专门的解析库。不过对于一些简单场景，比如提取固定格式的标签内容，正则还是可以胜任的。
下面介绍几种常见情况和对应的正则写法，适合想快速实现功能又不需要完整解析器的人。
匹配开始标签
如果你只想匹配像 <div> 或 <p class="xxx"> 这样的开始标签，可以用如下正则：
立即学习“前端免费学习笔记（深入）”；
<([a-zA-Z]+)(\s+[^>]*)?>
-
<和>是标签的起始和结束符号。 -
[a-zA-Z]+表示标签名，只匹配字母开头的标签（符合HTML规范）。 -
\s+[^>]*用于匹配可能存在的属性部分。 - 整体捕获第一个分组是标签名。
例如：
-
<div>✅ -
<p class="text">✅ -
<img src="a.jpg" />❌（这个是自闭合标签，需要额外处理）
匹配闭合标签
闭合标签比较简单，通常是类似 </div> 的形式，可以用：
<\/([a-zA-Z]+)\s*>
-
\/转义了斜杠/ - 捕获第二个分组是标签名，方便你判断是否和开始标签匹配
例子：
-
</span>✅ -
</ div >❌（空格不一致可能导致匹配失败）
匹配整个标签对及其内容（非嵌套）
如果你想匹配一对标签之间的所有内容（包括中间文本），可以用：
<([a-zA-Z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>
- 使用了非贪婪模式
(.*?)来匹配内容 -
\1引用了第一个捕获组（也就是开始标签的名字），确保标签闭合一致
注意：这种写法不能正确匹配嵌套标签，比如 <div><div>...</div></div>，会把整个都当作一个匹配项，但实际上里面的 <div> 会被忽略。
处理自闭合标签（如 <img />）
有些标签是自闭合的，比如 <br /> 或 <input type="text" />，你可以这样匹配它们：
<([a-zA-Z]+)(\s+[^>]*)?\s*\/?>
- 最后的
\s*\/?>允许有可选的/符号，并兼容<img/>和<img />两种写法
实际使用中的一些注意事项
- 不要尝试用正则完整解析HTML/XML文档，特别是有嵌套结构的时候，很容易出错。
- 如果你在写脚本处理网页内容，建议优先使用 DOM 解析器（如 Python 的 BeautifulSoup、JavaScript 的 DOMParser）。
- 正则适用于小范围的提取或替换任务，比如从静态 HTML 中提取标题、替换某些属性等。
总的来说，用正则匹配 XML/HTML 标签不是特别难，但容易写出“看起来能用，其实有问题”的表达式。如果你只是想快速提取几个标签内容，上面的方法已经够用；但如果是正式项目或处理复杂结构，还是推荐用解析库更安全可靠。
基本上就这些。
