seleziona l'elemento di testo HTML con regex?

Question

Voglio cercare © in un documento HTML e fondamentalmente ottenere l'entità a cui il copyright è attribuito.

La linea di diritto d'autore si presenta un paio di modi diversi:

<p class="bg-copy">&copy; 2011 The New York Times Company</p> 

o

<a href="http://www.nytimes.com/ref/membercenter/help/copyright.html"> 
&copy; 2011</a> 
<a href="http://www.nytco.com/">The New York Times Company</a> 

o

<br>Published since 1996<br>Copyright &copy; CounterPunch<br> 
All rights reserved.<br> 

voglio ignorare le date e tag intermedie e solo ottenere "The New York Times Company" o "Counterpunch".

Non sono stato in grado di trovare molto sull'uso di espressioni regolari con JavaScript o JQuery, anche se ho l'impressione che possa portare a grattacapi importanti. Se c'è un approccio migliore a questo, fammi sapere.

Answer 1

Per una soluzione robusta, sarà probabilmente necessaria una combinazione di navigazione DOM e alcune euristiche. I suoi esempi sono risolvibili con espressioni regolari, ma ci sono tanti altri scenari possibili ...

&copy;[\s\d]*(?:<\/.+?>[^>]*>)?([^<]*) 

lavori per i vostri tre campioni. Ma SOLO per loro e casi simili.

Trova sulla rubular

Spiegazione:

© // copyright symbol 
[\s\d]* // followed by spaces or digits 
(?:</.+?>[^>]*>)? // maybe followed by a closing tag and another opening one 
([^<]*) // than match anything up to the next tag 

Vedi this risposta su come utilizzare in JavaScript con jQuery. In pratica è possibile utilizzare la funzione match (/ regex /):

var result = string.match(/&copy;[\s\d]*(?:<\/.+?>[^>]*>)?([^<]*)/) 

Answer 2

$('*:contains(©)').filter(function(){ 
    return $(this).find('*:contains(©)').length == 0 
}).text(); 

prova qui http://jsfiddle.net/unloco/kGPYA/