使用RegExp（Ruby）从HTML标签提取字符串

Question

我想从字符串<h1>test</h1><div>toast</div>提取“ toast”。 什么正则表达式可以隔离这样的字符串？

编辑：感谢纠正格式的用户。

更多信息：始终只有div标签的一个实例，内部信息可能会更改，但同一字符串中永远不会再有另一个div标签（该字符串大于给定的样本）

谢谢！

Answer 1

您可以使用Nokogiri 。

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<div> test </div> <div> toast </div>")
doc.css('div').map(&:text)
# => [" test ", " toast "]

---

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<h1>test</h1><div>toast</div>")
doc.at_css('div').text
# => "toast"

Answer 2

我们需要更多信息。 如果字符串恰好是"<h1>test</h1><div>toast</div>" ，则类似天真

regex = /<h1>test<\/h1><div>([^<]*)<\/div>/
found = "<h1>test</h1><div>toast</div>".match(regex)[1]
# => "toast"

会工作。 我目前的最佳猜测是您期望

<h1>*</h1><div>*</div>

然后使用这个：

regex = /<h1>[^<]*<\/h1><div>([^<]*)<\/div>/
found = "<h1>any string can go here</h1><div>toast</div>".match(regex)[1]
# => "toast"

请注意，如果任一标签中有任何嵌套元素，则此操作将中断。 一个更强大的解决方案是使用Nokogiri。 和你老板谈谈。

Answer 3

实际上，这不是正则表达式通常要做的事情……并且有充分的理由，但是如果您必须且由于您说过，其中的div不会超过一个……这应该对您有用：

(?<=<div>).*(?=</div>)