就像我在标题中所说的，我的数据集是标记，它看起来有点像这样
<!DOCTYPE html>
<html>
<head>
<title>page</title>
</head>
<body>
<main>
<div class="menu">
<img src=mmayboy.jpg>
<p> stackoverflow is good </p>
</div>
<div class="combine">
<p> i have suffered <span>7</span></p>
</div>
</main>
</body>
</html>
我的正则表达式引擎尝试分别匹配以下每个节点 block ，即我可以尝试匹配combine或menu。一口气，这就是我的正则表达式引擎的样子，尽管我深入了解了它下面的内部结构。
/(<div class="menu">(\s+.*)+<\/div>(?:(?=(\s+<div))))/
它尝试深入该标记并获取所需的节点 block 。就这些。至于内部结构，我们开始吧
/
(
<div class="menu"> // match text that begins with these literals
(
\s+.*
)+ /* match any white space or character after previous. But the problem is that this matches up till the closing tag of other DIVs i.e greedy. */
<\/div> // stop at the next closing DIV (this catches the last DIV)
(?: // begin non-capturing group
(?=
(
\s+<div
) /* I'm using the positive lookahead to make sure previous match is not followed by a space and a new DIV tag. This is where the catastrophic backtracking is raised. */
)
)
)
/
我在其中缩进了注释，以帮助任何愿意提供帮助的人。我还从博客和 the manual 中寻找解决方案他们说这是由具有太多可能性的表达式引起的，可以通过减少结果的机会来补救，即 +? 而不是 * 但作为尽管我已经尽力了，但我无法将其应用于我当前的困境。
最佳答案
(\s+.*)+
可能可以简化为
[^]*?
这应该可以防止灾难性的回溯。整体简化:
/<div class="menu">[^]*?<\/div>/
您是否考虑过使用an HTML parser相反，但是？
var parser = new DOMParser();
var doc = parser.parseFromString(data, 'text/html');
var menu = doc.getElementsByClassName('menu')[0];
console.log(menu.innerHTML);
关于javascript - 避免 HTML 标记中灾难性的回溯，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43082118/