许多朋友都用正则表达式去除html标记，或者提取html标记，通常我们可以很空易找到提取<>之间间的现成代码，但是，对于a标记来说，<a 到 </a>之间的内容也是很有价值的，如何能将整个标记全部提取出来呢？
使用这个正则表达式： <a ([~<]|<?!/a)*</a>,你就可以将某个html中的全部<a标记找出来了，然后将提取来的完成<A标记字符串，送到下一个处理程式序，根据需要提取信息。
正则在使用上非常方便，像下面这些正则都是很常用的：
[^\x00-\xff] //双字节字符(包括汉字在内)
[\u4e00-\u9fa5] //中文字符
\n\s*\r //空白行
^\s*|\s*$ //首尾空白字符
^[a-zA-Z][a-zA-Z0-9_]{4,15}$ //帐号:字母开头，5-16字节，字母数字可加下划线
\d{3}-\d{8}|\d{4}-\d{7} //电话号码
[1-9][0-9]{4,} //QQ
[1-9]\d{5}(?!\d) //邮编
\d{15}|\d{18} //身份证
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* //Email地址
<(\S*?)[^>]*>.*?</\1>|<.*?/> //HTML标记
\d+\.\d+\.\d+\.\d+ //IP地址
[a-zA-z]+://[^\s]* //网址URL
特定字符串的匹配：
^[A-Za-z]+$//匹配由26个英文字母组成的字符串
^[A-Z]+$//匹配由26个英文字母的大写组成的字符串
^[a-z]+$//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$//匹配由数字和26个英文字母组成的字符串
^\w+$//匹配由数字、26个英文字母或者下划线组成的字符串
特定数字：
^[1-9]\d*$//正整数
^-[1-9]\d*$//负整数
^-?[1-9]\d*$//整数
^[1-9]\d*|0$//非负整数
^-[1-9]\d*|0$//非正整数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$//正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$//负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$//浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$//非负浮点数
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$//非正浮点数
但是正则也有它的缺点，至少有一个：当html文本非常大的时候，用一个很复杂的正则去提取内容，电脑会卡那么一小会儿。也许这正是所谓“人无完人”吧。
来源：https://www.cnblogs.com/HanJie0824/p/8125516.html