文本格式（txt、doc）的HTML，有什么办法快速读取出特定的标签及里面的内容？ 第1页

正则表达式啊。顺便说一句 WORD 也是支持 RegExp 的， 不过实现方法不同。

用下面的关键字找一找， 特别是 CSDN 很多文章。 知乎东西有点少。

正则表达式（英语：Regular Expression，在代码中常简写为regex、regexp或RE），又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法，是计算机科学的一个概念。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。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成regex，单数有regexp、regex，复数有regexps、regexes、regexen。

例如， LINUX 下面的 sed 也用 reg exp 来 match 字串， 修改 php.ini 不用手动进行， 效率就高至少一个数量级了。

sed -i 's/;cgi.fix_pathinfo=1/cgi.fix_pathinfo=0/g' /etc/php.ini

sed -i 's/user = apache/user = nginx/g' /etc/php-fpm.d/www.conf

sed -i 's/group = apache/group = nginx/g' /etc/php-fpm.d/www.conf

         sed -i 's/;cgi.fix_pathinfo=1/cgi.fix_pathinfo=0/g' /etc/php.ini   sed -i 's/user = apache/user = nginx/g' /etc/php-fpm.d/www.conf   sed -i 's/group = apache/group = nginx/g' /etc/php-fpm.d/www.conf