我需要匹配所有這些開始標(biāo)記：<p><a href="foo">但不是這些：<br /><hr class="foo" />我想出了這個(gè)，并希望確保我做對(duì)了。我只抓住了a-z。<([a-z]+) *[^/]*?>我相信它說：找一個(gè)小于，然后然后，查找（并捕獲）az一次或多次然后找到零個(gè)或多個(gè)空格找到任何字符零次或多次，貪婪/，然后找到一個(gè)大于我有這個(gè)權(quán)利嗎？更重要的是，你怎么看？
10 回答
寶慕林4294392
TA貢獻(xiàn)2021條經(jīng)驗(yàn) 獲得超8個(gè)贊
雖然確實(shí)要求正則表達(dá)式解析任意 HTML就像要求初學(xué)者編寫操作系統(tǒng)一樣，但有時(shí)候解析一組有限的已知 HTML 也是合適的。
如果您有一小組HTML頁面要從中抓取數(shù)據(jù)然后填充到數(shù)據(jù)庫中，則正則表達(dá)式可能正常工作。例如，我最近想獲得澳大利亞聯(lián)邦代表的名稱，政黨和地區(qū)，我從議會(huì)的網(wǎng)站上獲取了這些名稱，政黨和地區(qū)。這是一項(xiàng)有限的一次性工作。
正則表達(dá)式對(duì)我來說效果很好，設(shè)置速度非常快。
搖曳的薔薇
TA貢獻(xiàn)1793條經(jīng)驗(yàn) 獲得超6個(gè)贊
我認(rèn)為這里的缺陷是HTML是Chomsky Type 2語法（無上下文語法），RegEx是Chomsky Type 3語法（常規(guī)語法）。由于Type 2語法從根本上比Type 3語法更復(fù)雜（參見Chomsky層次結(jié)構(gòu)），因此在數(shù)學(xué)上不可能使用RegEx解析XML。
但許多人會(huì)嘗試，有些人甚至?xí)暦Q成功 - 但直到其他人發(fā)現(xiàn)錯(cuò)誤并完全搞砸了你。
守候你守候我
TA貢獻(xiàn)1802條經(jīng)驗(yàn) 獲得超10個(gè)贊
不要聽這些家伙。如果你將任務(wù)分解成更小的部分，你完全可以使用正則表達(dá)式解析無上下文的語法。您可以使用腳本生成正確的模式，該腳本按順序執(zhí)行以下每個(gè)操作：
解決停機(jī)問題。
方圓。
計(jì)算O（log n）或更少的旅行商問題。如果它不止于此，你將耗盡RAM并且引擎將掛起。
模式將非常大，因此請(qǐng)確保您有一個(gè)無損壓縮隨機(jī)數(shù)據(jù)的算法。
幾乎就在那里 - 將整個(gè)事物除以零。十分簡單。
我自己還沒完成最后一部分，但我知道我已經(jīng)接近了。CthulhuRlyehWgahnaglFhtagnException由于某種原因，它一直在拋出s，所以我要將它移植到VB 6并使用On Error Resume Next。一旦我調(diào)查剛剛在墻上打開的這扇奇怪的門，我就會(huì)用代碼更新。嗯。
PS Pierre de Fermat也想出了如何做到這一點(diǎn)，但他寫的邊距不足以代碼。
米脂
TA貢獻(xiàn)1836條經(jīng)驗(yàn) 獲得超3個(gè)贊
這是我使用（?。┢ヅ銱TML標(biāo)記的正則表達(dá)式：
<(?:"[^"]*"['"]*|'[^']*'['"]*|[^'">])+>
它可能不完美，但我通過大量 HTML 運(yùn)行此代碼。請(qǐng)注意，它甚至?xí)东@<a name="badgenerator"">出現(xiàn)在網(wǎng)絡(luò)上的奇怪內(nèi)容。
我想讓它與自包含的標(biāo)簽不匹配，你要么想要使用Kobi的負(fù)面后衛(wèi)：
<(?:"[^"]*"['"]*|'[^']*'['"]*|[^'">])+(?<!/\s*)>
或者只是組合，如果沒有。
對(duì)于downvoters：這是來自實(shí)際產(chǎn)品的工作代碼。我懷疑讀這個(gè)頁面的人會(huì)得到這樣的印象：在HTML上使用正則表達(dá)式是社會(huì)可接受的。
警告：我應(yīng)該注意，在CDATA塊，注釋，腳本和樣式元素存在的情況下，這個(gè)正則表達(dá)式仍然存在故障。好消息是，你可以擺脫使用正則表達(dá)式的人...
- 10 回答
- 0 關(guān)注
- 885 瀏覽
添加回答
舉報(bào)
0/150
提交
取消