求助 js 正则移除多余的 html 标签嵌套。

[huangsong]

正则小白，目前在做数据采集解析，发现回来的数据中包含了很多嵌套的标签，例如：

<div>
<article> 
 <article> 
  <article> 
   <article> 
    <article> 
     <div> 
      <article> 
       <article> 
        确保各项部署要求落实落地。　
        <br> 报告会在市里设场收听收看。 
       </article> 
      </article> 
     </div> 
    </article> 
   </article> 
  </article> 
 </article> 
</article> 
<span data-index="183" data-textnode-index="2" data-raw-text="">编辑</span>
</div>

希望能通过正则处理掉多余的嵌套标签，得到合理的格式，如：

<div>
<article> 
        确保各项部署要求落实落地。　
        <br> 报告会在市里设场收听收看。 
</article>
<span data-index="183" data-textnode-index="2" data-raw-text="">编辑</span>
</div>

求一个正则。

[ysc3839]

搜索 <article>\s*<article>，替换为 <article>
</article> 同理。

[muzuiget]

正则处理不了这种情况的，连匹配嵌套开闭括号都不行，所以老实用 DOM 操作库。

[assilzm]

嵌套处理需要平衡，目前.net 和 php 可以办到 其他语言基本上都不行 老实用 dom 解析吧