特定标记的正则表达式
[英]Regex for Specific Tag
问题描述
我正在.NET项目中使用正则表达式来获取特定标记。 我想匹配整个DIV标签及其内容：
<html>
<head><title>Test</title></head>
<body>
<p>The first paragraph.</p>
<div id='super_special'>
<p>The Store paragraph</p>
</div>
</body>
</head>
码：
Regex re = new Regex("(<div id='super_special'>.*?</div>)", RegexOptions.Multiline);
if (re.IsMatch(test))
Console.WriteLine("it matches");
else
Console.WriteLine("no match");
我想要匹配这个：
<div id="super_special">
<p>Anything could go in here...doesn't matter. Let's get it all</p>
</div>
我想. 应该得到所有的角色，但它似乎有回车的麻烦。 我的正则表达式遗失了什么？
谢谢。
11 个解决方案
解决方案1
6 2008-09-17 01:43:00
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...
解决方案2
1 2008-09-17 01:37:19
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
解决方案3
1 2008-09-17 01:37:45
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。
解决方案4
1 2008-09-17 01:38:42
解决方案5
1 2008-09-17 01:43:25
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>)
解决方案6
1 2008-09-17 01:48:09
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）。
解决方案7
1 已采纳 2008-09-17 01:50:27
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。
解决方案8
0 2008-09-21 10:51:49
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。
解决方案9
0 2008-09-17 01:38:33
。 （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
解决方案10
0 2008-09-17 01:38:35
也许： 。 [\\ r \\ n] 。 [\\ r \\ n]的
解决方案11
0 2008-09-17 02:41:23
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 。
正则表达式可从C＃.net中特定情况的锚定标记中找到href
[英]Regex to find the href from anchore tag for specific cases in c# .net
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.