正则表达式替换两组

Question

我有这样的模式： <[a-zA-Z][^>]*(?:poster|src)=(['\\"])([^'\\"]+)\\\\1[^>]*>在这里，我想替换src或poster属性的值。

这是对的

<video src='srcVal' />

和

<video poster='posterVal' src='srcVal' />

但对于

<video poster='posterVal' src='srcVal' />

由于matcher.group(2)仅返回srcVal ，因此仅更改src值。

public class Test {
    public static void main(String[] args) throws Exception {
        String html = "<video poster='posterVal' src='srcVal' />";
        Pattern resourcePattern = Pattern.compile("<[a-zA-Z][^>]*(?:poster|src)=(['\"])([^'\"]+)\\1[^>]*>");
        Matcher matcher = resourcePattern.matcher(html);
        int last = 0;
        StringBuilder sb = new StringBuilder();
        while(matcher.find()) {
            String path = matcher.group(2) + "Changed";
            sb.append( html.substring(last, matcher.start(2)) + path );
            last = matcher.end(2);
        }
        sb.append(html.substring(last));
        System.out.println(sb);
        //outputs <video poster='posterVal' src='srcValChanged' />
        //expecting <video poster='posterValChanged' src='srcValChanged' />
    }
}

有没有人知道如何做到这一点？

Answer 1

基本问题是表达式开头附近的[^>]* 。 因为*是贪婪的，这会吃掉尽可能多的字符，同时仍然允许表达式的其余部分匹配，因此给定

<video poster='posterVal' src='srcVal' />

[^>]*将使ideo poster='posterVal'吞噬直至src=之前的空格。

我会采取不同的方法，而不是尝试编写与整个标签匹配的正则表达式，而只是编写与您感兴趣的属性匹配的正则表达式，然后替换该表达式的所有匹配项

html.replaceAll("\\b((?:poster|src)=)(['\"])([^'\"]+)\\1", "$1$2$3Changed$2")

但是，正如其他张贴者所评论的那样，使用一种能够理解该语言的适当解析器，而不是尝试使用正则表达式来操纵文本表示，会更加明智。

Answer 2

我不会使用正则表达式来执行此操作，但是您可以尝试以下操作：

<[a-zA-Z]*[^>]*(?:(poster)|src)=(['\"])([^'\"]+)\\2(?(1)[^>]*(?:src=(['\"])([^'\"]+)\\4)?[^>]*|[^>]*(?:poster=(['\"])([^'\"]+)\\6)?[^>]*)>

尽管到目前为止我还没有时间进行测试，对不起。

编辑：
不太注重性能：

<[a-zA-Z]*(?=(?:[^>]*?poster=['\"]([^'\"]+))?)(?=(?:[^>]*?src=['\"]([^'\"]+))?)[^>]*(?:poster|src)[^>]*>

如果您只想匹配视频标签，请将其更改为（这将大大改善它）：

<video(?=(?:[^>]*?poster=['\"]([^'\"]+))?)(?=(?:[^>]*?src=['\"]([^'\"]+))?)[^>]*(?:poster|src)[^>]*>

说明：（因为我想它看起来一定很令人不安）

我们正在使用2个前瞻记录来捕获有趣的内容。 先行者将使我们能够检查两次即将发生的事情，因此忽略了顺序。 但是，这些前瞻必须始终有效（使用*和？来确保这一点），但仍要保持贪婪，同时要保持懒惰（是什么？）：看到海报/ src后，我们必须立即停止，但要走得足够远抓住那些。 .*?a? 永远一无所获。 所以我们在这里使用(?:.*?a)? 。 这里的行为是尝试以懒惰的方式捕获a ，而如果失败则不成问题。
正则表达式的最后一部分是确保我们仅捕获带有发帖人或src属性的标签，因为我们的先行者只会捕获该对象，并且肯定不能用来捕获它。

请注意，我删除了对您的属性的检查，因为无论如何它都没有用。