您能否提供一些示例，说明为什么用正则表达式很难解析XML和HTML？
一个错误我看到人们做了，并再次试图解析XML或HTML用正则表达式。以下是难以解析XML和HTML的一些原因：
人们希望将文件视为一系列行，但这是有效的：
人们希望将<或<标记视为标记的开头，但是类似的东西却普遍存在：
人们通常希望将开始标签与结束标签匹配，但是XML和HTML允许标签包含它们自己（传统的正则表达式根本无法处理）：
<span id="outer"><span id="inner">foo</span></span>
人们通常希望将其与文档内容进行匹配（例如著名的“在给定页面上查找所有电话号码”问题），但是数据可能会被标记（即使在查看时看起来很正常）：
<span class="phonenum">(<span class="area code">703</span>)
<span class="prefix">348</span>-<span class="linenum">3020</span></span>
注释可能包含格式不正确或不完整的标签：
<a href="foo">foo</a>
<!-- FIXME:
<a href="
-->
<a href="bar">bar</a>
您还知道其他哪些陷阱？
问题答案：
这是一些有趣的有效XML：
<!DOCTYPE x [ <!ENTITY y "a]>b"> ]>
<x>
<a b="&y;>" />
<![CDATA[[a>b <a>b <a]]>
<?x <a> <!-- <b> ?> c --> d
</x>
这一点欢乐就是有效的HTML：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd" [
<!ENTITY % e "href='hello'">
<!ENTITY e "<a %e;>">
]>
<title>x</TITLE>
</head>
<p id = a:b center>
<span / hello </span>
&<br left>
<!---- >t<!---> < -->
&e link </a>
</body>
更不用说针对无效构造的所有特定于浏览器的解析。
祝您好运，正则表达式！
编辑（JörgW Mittag）：这是格式良好，有效的HTML 4.01的另一个不错的片段：
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
"http://www.w3.org/TR/html4/strict.dtd">
<HTML/
<HEAD/
<TITLE/>/
<P/>
-
问题内容： 以下是难以解析XML和HTML的一些原因： 人们希望将文件视为一系列行，但这是有效的： 人们希望将<或<tag视为标签的开头，但是类似的东西却普遍存在： 人们通常希望将开始标签与结束标签匹配，但是XML和HTML允许标签包含它们自己（传统的正则表达式根本无法处理）： 人们通常希望将其与文档内容进行匹配（例如著名的“在给定页面上查找所有电话号码”问题），但是数据可能会被标记（即使在查看时
-
我的正则律很糟糕。我想建立一个智能搜索，在那里我可以给搜索引擎提示在哪个属性上搜索什么。 类似这样： 搜索输入：位置：伦敦 - 搜索输入：位置：纽约伦敦 - 搜索输入：位置：伦敦标签：栏 - - 搜索输入：地点：伦敦，纽约标签：酒吧，俱乐部 - - 我想知道正则表达式应该如何解析这样的用户输入？
-
主要内容：简单表达式,字符匹配,实例,实例,匹配 HTML 标签及内容,实例,中括号表达式,替换和分组,其他示例,更多实例简单表达式 正则表达式的最简单形式是在搜索字符串中匹配其本身的单个普通字符。例如，单字符模式，如 A，不论出现在搜索字符串中的何处，它总是匹配字母 A。下面是一些单字符正则表达式模式的示例： 可以将许多单字符组合起来以形成大的表达式。例如，以下正则表达式组合了单字符表达式：a、7 和 M。 请注意，没有串联运算符。只须在一个字符后面键入另一个字符。 字符匹配 点号 . 匹配字
-
本文向大家介绍正则表达式使用示例详解，包括了正则表达式使用示例详解的使用技巧和注意事项，需要的朋友参考一下 正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。 正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。 下面通过实例代码介绍下正则表达式使用 //一个数据类型，记录文本规则，一些事先定
-
Java中的正则表达式问题。我正在从元素href属性中提取Id号。我在一个字符串中有一堆这样的链接：
-
我试图在正则表达式中组合if-else，基本上，如果字符串中存在一些模式，则捕获一个模式，如果不存在，则捕获另一个模式。 字符串是：'https://www.searchpage.com/searchcompany.aspx?companyId=41490234 因此，如果在字符串中检测到“？”，则正则表达式应捕获“？”标记之后的所有内容；如果没有，那就从头抓起。 我使用了：