特定标记的正则表达式
Regex for Specific Tag

拜托，拜托，帮自己一个大忙 ：使用HTML解析器解析HTML。 认真。 这就是他们的目的。

HTML是一种非常复杂的语言。 无论你将多长时间调整，摆弄，修复，磨练你的Regexp， 总会有一个你想念的案例。

无论如何，你必须告诉你的Regexp引擎匹配多行，而不只是一行。 在一些最流行的应用中，您可以通过应用/m修饰符来实现。

但请允许我再说一遍： 请使用HTML解析器。 每当有人使用正则表达式解析HTML时，小猫就会死...

取决于您正在使用的语言。例如，在perl中，您将使用正则表达式修饰符：

m{<div id="super_special">.*?</span>}s

你用的是什么语言？ 在.NET中，您必须设置一个选项以确保它不是单行。

取决于语言。 如果在python上，你缺少re.S标志，就像这样（删除匹配）：

re.compile('<div id="super_special">.*?</div>',re.S).sub(your_html,'')

其他正则表达式实现存在类似的标志，它们被称为“单行”或“多行”或类似的东西。

但不要使用REGEXPS PARSE HTML 。 这是维护地狱的直接途径。 使用像Beautiful Soup这样的HTML解析器。 检查这些 链接以获取该方向的有用资源。

问题是，。 默认情况下，元字符与换行符不匹配。 您必须使用单行修改器来实现此目的。 在.NET中，您可以使用RegexOptions.SingleLine作为您正在使用的方法的最后一个参数，或者直接在模式中使用修饰符，例如：

(?s)(<div id="super_special">.*?</div>)

大多数语言都有一些方法可以制作。 匹配换行符：

• 在Java中：Pattern.compile（“pattern”，Pattern.MULTILINE）;
• 在Perl和Ruby中：/ pattern / m
• 在VB中：Regex.IsMatch（s，“pattern”，RegexOptions.Multiline）

一般来说，使用regexp来匹配XML / HTML并不是一个好主意，因为XML / HTML标签可以嵌套，例如：

  <div id="super_special">
     <div>Nothing</div>
     <p>Anything could go in here...doesn't matter.  Let's get it all</p>
  </div>

...在这里你很容易最终匹配：

  <div id="super_special">
     <div>Nothing</div>

另一方面，如果你确定你所匹配的HTML总是对你的正则表达式是安全的，那么不要让我阻止你（尽管如此，你应该三思而后行，从潜在的调试中保存你未来的自我头痛）。

开箱即用，没有特殊修饰符，大多数正则表达式实现不会超出行尾以匹配文本。 您可能应该查看正在使用此类修饰符的正则表达式引擎的文档。

我有另外一个建议：提防贪婪！ 传统上，正则表达式是贪婪的，这意味着你的正则表达式可能会匹配这个：

<div id="super_special">
  I'm the wanted div!
</div>
<div id="not_special">
  I'm not wanted, but I've been caught too :(
</div>

你应该检查一个“非贪婪”的修饰符，这样你的正则表达式会在第一次出现</div>停止匹配文本，而不是在最后一次出现时。

此外，正如其他人所说，考虑使用HTML解析器而不是正则表达式。 它会为你省去很多麻烦。

编辑：如果<div> s嵌套，即使非贪婪的正则表达也不会按预期工作！ 考虑使用HTML解析器的另一个原因。

单独的正则表达式根本不足以解决您的问题。 你需要更强大的东西，比如无上下文的语法。 请参阅Wikipedia上的Chomsky层次结构 。

换句话说（如前所述），不要使用正则表达式来解析HTML。

。 （点）匹配除换行符\\ r和\\ n之外的任何单个字符。 大多数正则表达式都可以选择使点匹配行中断字符。 。 匹配x或（几乎）任何其他字符

也许： 。 [\\ r \\ n] 。 [\\ r \\ n]的

这些正则表达式建议都不起作用。 根据它们是否贪婪，它们将匹配文档中的最后一个</ div>，或者匹配起始字符串后面的第一个</ div>，它可能是一个嵌套在您的文本中的div。有兴趣。

正则表达式实际上不是用于此目的的理想工具，但是如果您的情况很简单以至于您不想真正解析HTML，则可以使用.NET专有的Microsoft专有扩展来实现此目的。 有关一个很好的解释，请参阅Morten Maate撰写的这篇精彩文章 。