正则表达式C＃可选组-应该贪心吗？

Question

正则表达式〜像这样：

blablabla.+?(?:<a href="(http://.+?)" target="_blank">)?

如果要找到一个URL，我想捕获一个URL ...找到内容，但没有链接（捕获始终为空）。 现在，如果我这样删除结尾的问号

blablabla.+?(?:<a href="(http://.+?)" target="_blank">)

这只会匹配结尾处有链接的内容...是2.40 am ...我不知道...

- 编辑 -

样本输入：

blablabla asd 1234t535 <a href="http://google.com" target="_blank">

预期输出：

match 0:

    group 1: <a href="http://google.com" target="_blank">
    group 2: http://google.com`

我只想要“ http://google.com”或“”

Answer 1

您正在做一整串比赛吗？ 如果是这样，请尝试在第一个正则表达式的末尾添加.* ，并查看其匹配项。 第一个正则表达式的问题在于，由于.+? ，它可以匹配blablabla之后的所有内容.+? （导致空捕获），但括号内的部分仍然不匹配的a ，除非它是在字符串的结束标记。 顺便说一下，查看您的预期输出，捕获1将是URL； 整个HTML标记的括号由于开头的?:而无法捕获。

Answer 2

您不需要。+？ 在开始时，正则表达式仍然会搜索整个输入

您还可以在空格后紧跟'>'，这将限制您的比赛

(?:<a href="(http://.+?)" target="_blank".*?>)

正则表达式测试

Answer 3

是拖尾吗？ 原因：通过将其标记为可选，您就允许。+吗？ 抓住它。

blablabla.*(?:<a href="((http://)?.*)".+target="_blank".*>)

我修改了它咯... .+? 基本上与.*相同，并且如果您的href中没有任何内容（您表示想要的是“”），则需要使http以及尾随的文本成为可选内容。 另外，最前面的target .*表示您至少有一个空格或字符，但可能有更多（多个空格或其他属性）。 >之前的.* ，表示后面可以有空格或其他属性。

如果没有<a href...> ，则根本不会匹配任何<a href...> ，但这就是您想要的，对吗？

如果您不需要捕获整个<a href...>部分，则可以完全删除(?: ... ) 。

如果未按指定的顺序列出属性，则此操作将失败...这是不能真正使用regex解析html的原因之一。 但是，如果您确定href总是会出现在目标之前，那么这应该可以满足您的需求。