检查字符串是否为html

我有一个特定的字符串，我想检查它是否为html。我使用正则表达式相同，但没有得到正确的结果。

我验证了我的正则表达式，在这里工作正常。

var htmlRegex = new RegExp("<([A-Za-z][A-Za-z0-9]*)\b[^>]*>(.*?)</\1>");
return htmlRegex.test(testString);

这是小提琴，但正则表达式未在其中运行。http://jsfiddle.net/wFWtc/

在我的机器上，代码可以正常运行，但结果为false而不是true。这里缺少什么？

用于检查字符串是否为HTML的更好的正则表达式是：

/^/

例如：

/^/.test('') // true
/^/.test('foo bar baz') //true
/^/.test('<p>fizz buzz</p>') //true

事实上，它是那么好，它会返回true为每个传递给它的字符串，这是因为每一个字符串是HTML。严重的是，即使格式不正确或无效，它仍然是HTML。

如果您要查找的是HTML元素而不是任何文本内容，则可以使用以下方法：

/<\/?[a-z][\s\S]*>/i.test()

它不会以任何方式帮助您解析HTML，但可以肯定地将字符串标记为包含HTML元素。

方法1。这是测试字符串是否包含HTML数据的简单函数：

function isHTML(str) {
  var a = document.createElement('div');
  a.innerHTML = str;

  for (var c = a.childNodes, i = c.length; i--; ) {
    if (c[i].nodeType == 1) return true; 
  }

  return false;
}

这个想法是允许浏览器DOM解析器确定所提供的字符串是否看起来像HTML。如您所见，它只需检查ELEMENT_NODE（nodeTypeof 1）。

我进行了一些测试，看起来很有效：

isHTML('<a>this is a string</a>') // true
isHTML('this is a string')        // false
isHTML('this is a <b>string</b>') // true

此解决方案将正确检测HTML字符串，但是它具有img / vide / etc的副作用。一旦在innerHTML中进行了解析，标记将开始下载资源。

方法2。另一种方法使用DOMParser，并且没有加载资源的副作用：

function isHTML(str) {
  var doc = new DOMParser().parseFromString(str, "text/html");
  return Array.from(doc.body.childNodes).some(node => node.nodeType === 1);
}

<sub>注意：
1. Array.from是ES2015的方法，可以替换为[].slice.call(doc.body.childNodes)。
2. some通话中的箭头功能可以替换为通常的匿名功能。</sub>

进行以下验证：

/<(?=.*? .*?\/ ?>|br|hr|input|!--|wbr)[a-z]+.*?>|<([a-z]+).*?<\/\1>/i.test(htmlStringHere) 

这将搜索空标签（某些预定义的）并/终止XHTML空标签，并由于空标签而将其验证为HTML，否则将捕获标签名称并尝试在字符串中的某处找到其结束标签以将其验证为HTML。

演示说明：http：//regex101.com/r/cX0eP2

更新：

完成验证：

/<(br|basefont|hr|input|source|frame|param|area|meta|!--|col|link|option|base|img|wbr|!DOCTYPE).*?>|<(a|abbr|acronym|address|applet|article|aside|audio|b|bdi|bdo|big|blockquote|body|button|canvas|caption|center|cite|code|colgroup|command|datalist|dd|del|details|dfn|dialog|dir|div|dl|dt|em|embed|fieldset|figcaption|figure|font|footer|form|frameset|head|header|hgroup|h1|h2|h3|h4|h5|h6|html|i|iframe|ins|kbd|keygen|label|legend|li|map|mark|menu|meter|nav|noframes|noscript|object|ol|optgroup|output|p|pre|progress|q|rp|rt|ruby|s|samp|script|section|select|small|span|strike|strong|style|sub|summary|sup|table|tbody|td|textarea|tfoot|th|thead|time|title|tr|track|tt|u|ul|var|video).*?<\/\2>/i.test(htmlStringHere) 

这样做会进行正确的验证，因为它包含所有 HTML标记，首先是空标记，然后是需要关闭标记的其余HTML标记。

在此处解释了演示：http : //regex101.com/r/pE1mT5

上面的zzzzBov的答案是好的，但是它不能说明杂散的关闭标签，例如：

/<[a-z][\s\S]*>/i.test('foo </b> bar'); // false

也可以捕获结束标记的版本可能是这样的：

/<[a-z/][\s\S]*>/i.test('foo </b> bar'); // true

这是我不时使用的草率单线：

var isHTML = RegExp.prototype.test.bind(/(<([^>]+)>)/i);

基本上将返回true包含<后跟ANYTHING后跟的字符串>。

通过 ANYTHING，我的意思是除了空字符串外，基本上什么都没有。

这不是很好，但是它是单线的。

用法

isHTML('Testing');               // false
isHTML('<p>Testing</p>');        // true
isHTML('<img src="hello.jpg">'); // true
isHTML('My < weird > string');   // true (caution!!!)
isHTML('<>');                    // false

如您所见，它远非完美，但在某些情况下可能会为您完成工作。

这里的所有答案都包含在内，它们只是在寻找，<然后是>。没有完美的方法来检测字符串是否为HTML，但是您可以做得更好。

下面我们将寻找结束标签，它将更加紧密和准确：

import re
re_is_html = re.compile(r"(?:</[^<]+>)|(?:<[^<]+/>)")

它在起作用：

# Correctly identified as not HTML:
print re_is_html.search("Hello, World")
print re_is_html.search("This is less than <, this is greater than >.")
print re_is_html.search(" a < 3 && b > 3")
print re_is_html.search("<<Important Text>>")
print re_is_html.search("<a>")

# Correctly identified as HTML
print re_is_html.search("<a>Foo</a>")
print re_is_html.search("<input type='submit' value='Ok' />")
print re_is_html.search("<br/>")

# We don't handle, but could with more tweaking:
print re_is_html.search("<br>")
print re_is_html.search("Foo &amp; bar")
print re_is_html.search("<input type='submit' value='Ok'>")

如果要从字符串文字创建正则表达式，则需要转义任何反斜杠：

var htmlRegex = new RegExp("<([A-Za-z][A-Za-z0-9]*)\\b[^>]*>(.*?)</\\1>");
// extra backslash added here ---------------------^ and here -----^

如果您使用正则表达式文字，则没有必要，但是您需要转义正斜杠：

var htmlRegex = /<([A-Za-z][A-Za-z0-9]*)\b[^>]*>(.*?)<\/\1>/;
// forward slash escaped here ------------------------^

另外，您的jsfiddle无效，因为您onload在另一个onload处理程序中分配了一个处理程序-左侧“框架和扩展”面板中设置的默认值是将JS包装为onload。将其更改为nowrap选项，并修复字符串文字转义并使其“起作用”（在每个人在注释中指出的约束内）：http : //jsfiddle.net/wFWtc/4/

据我所知，JavaScript正则表达式没有反向引用。因此，您的表达的这一部分是：

</\1>

在JS中无法使用（但在其他一些语言中也可以使用）。

/<\/?[^>]*>/.test(str) 只检测它是否包含html标记，可能是xml

使用jQuery：

function isHTML(str) {
  return /^<.*?>$/.test(str) && !!$(str)[0];
}

在这种情况下使用jQuery，最简单的形式是：

if ($(testString).length > 0)

如果是$(testString).length = 1，这意味着里面有一个HTML标签textStging。

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，识别是否构造了任何DOM节点，这将很慢。或正则表达式会更快，但是……可能不准确。此问题还引起两个非常不同的问题：

Q1：字符串是否包含HTML片段？

字符串是HTML文档的一部分，包含HTML元素标记或编码的实体吗？这可以用作指示字符串可能需要漂白/清理或实体解码的指示符：

/</?[a-z][^>]*>|(\&(?:[\w\d]+|#\d+|#x[a-f\d]+);/

您可以看到此模式的使用在撰写本文时，所有现有答案中针对所有示例，以及一些…相当丑陋的WYSIWYG或Word生成的示例文本以及各种字符实体引用。

Q2：字符串是HTML文档吗？

在HTML规范惊人松动，以什么它认为一个HTML文档。浏览器竭尽全力将几乎所有垃圾文本解析为HTML。两种方法：要么考虑所有HTML（因为如果提供了text/htmlContent-Type，则将花费大量精力尝试由用户代理将其解释为HTML）或寻找前缀标记：

<!DOCTYPE html>

就“格式良好”而言，“几乎没有其他要求”。以下是100％完整，完全有效的HTML文档，其中包含您认为已省略的每个HTML元素：

<!DOCTYPE html>
<title>Yes, really.</title>
<p>This is everything you need.

对。有关于如何形成“丢失”的元素，如明确的规则<html>，<head>和<body>。尽管我发现SO的语法高亮无法在没有显式提示的情况下正确地检测到它，这很可笑。

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);

NPM包is-html可以尝试解决此问题https://github.com/sindresorhus/is-html