堆栈内存溢出
  繁体   English   中英

使用正则表达式获取匹配的HTML值

[英]Getting Matched HTML Value with Regex

 原文  2012-07-02 13:31:34  0   2    c#/ html/ regex

问题描述

好的，我知道我不应该使用Regex来解析HTML，因为它不是很可靠，也不是100％安全的，等等。但是，这只是其他方面对Regex的学习。

因此，我的示例使用bbc网站http://www.bbc.co.uk/sport/football/premier-league/table 。

该项目正在解析第一个表的正文。 我试图进行搜索，以便仅返回与搜索值匹配的元素。 例如，给定搜索“ manc”，我希望曼彻斯特城和曼彻斯特的tr标签统一（与URL匹配）。

到目前为止，我所拥有的是<tr\\b[^>]*>(.*?)manc(.*?)</tr>但这从第一个tr匹配到man city之后的关闭tr，然后返回预期的曼联的结果。 谁能指出我使用此正则表达式出错的地方。

编辑：源（修剪） 

<tbody id="trc-20-118996114-3">
  <tr id="team-138824012" class="team first">
    <td class="statistics"></td>
    <td class='position'>
      <span class='moving-up'>Moving up</span>
      <span class='position-number'>1</span>
    </td>
    <td class="team-name">
      <a href='http://www.bbc.co.uk/sport/football/teams/arsenal'>Arsenal</a>
    </td>
    <td class="played">0</td>

    <td class="home-won">
      <span>0</span>
    </td>
    <td class="home-drawn">0</td>
    <td class="home-lost">0</td>
    <td class="home-for">0</td>
    <td class="home-against">0</td>
    <td class="away-won">
      <span>0</span>
    </td>
    <td class="away-drawn">0</td>
    <td class="away-lost">0</td>
    <td class="away-for">0</td>
    <td class="away-against">0</td>
    <td class="goal-difference">0</td>
    <td class="points">0</td>
    <td class="last-10-games">
      <ol>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win last" title="Win">
          <span>Win</span>
        </li>
      </ol>
    </td>
    <td class="status">
      <a class="report" href="http://www.bbc.co.uk/sport/0/football/17973141">Report</a>
    </td>
  </tr>
  <tr id="team-137316633" class="team">
    <td class="statistics"></td>
    <td class='position'>
      <span class='moving-up'>Moving up</span>
      <span class='position-number'>2</span>
    </td>
    <td class="team-name">
      <a href='http://www.bbc.co.uk/sport/football/teams/aston-villa'>Aston Villa</a>
    </td>
    <td class="played">0</td>

    <td class="home-won">
      <span>0</span>
    </td>
    <td class="home-drawn">0</td>
    <td class="home-lost">0</td>
    <td class="home-for">0</td>
    <td class="home-against">0</td>
    <td class="away-won">
      <span>0</span>
    </td>
    <td class="away-drawn">0</td>
    <td class="away-lost">0</td>
    <td class="away-for">0</td>
    <td class="away-against">0</td>
    <td class="goal-difference">0</td>
    <td class="points">0</td>
    <td class="last-10-games">
      <ol>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="loss last" title="Loss">
          <span>Loss</span>
        </li>
      </ol>
    </td>
    <td class="status">
      <a class="report" href="http://www.bbc.co.uk/sport/0/football/17973120">Report</a>
    </td>
  </tr>
  <tr id="team-137318151" class="team">
    <td class="statistics"></td>
    <td class='position'>
      <span class='moving-down'>Moving down</span>
      <span class='position-number'>7</span>
    </td>
    <td class="team-name">
      <a href='http://www.bbc.co.uk/sport/football/teams/manchester-city'>Man City</a>
    </td>
    <td class="played">0</td>

    <td class="home-won">
      <span>0</span>
    </td>
    <td class="home-drawn">0</td>
    <td class="home-lost">0</td>
    <td class="home-for">0</td>
    <td class="home-against">0</td>
    <td class="away-won">
      <span>0</span>
    </td>
    <td class="away-drawn">0</td>
    <td class="away-lost">0</td>
    <td class="away-for">0</td>
    <td class="away-against">0</td>
    <td class="goal-difference">0</td>
    <td class="points">0</td>
    <td class="last-10-games">
      <ol>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="win last" title="Win">
          <span>Win</span>
        </li>
      </ol>
    </td>
    <td class="status">
      <a class="report" href="http://www.bbc.co.uk/sport/0/football/17973148">Report</a>
    </td>
  </tr>
  <tr id="team-137318152" class="team">
    <td class="statistics"></td>
    <td class='position'>
      <span class='moving-down'>Moving down</span>
      <span class='position-number'>8</span>
    </td>
    <td class="team-name">
      <a href='http://www.bbc.co.uk/sport/football/teams/manchester-united'>Man Utd</a>
    </td>
    <td class="played">0</td>

    <td class="home-won">
      <span>0</span>
    </td>
    <td class="home-drawn">0</td>
    <td class="home-lost">0</td>
    <td class="home-for">0</td>
    <td class="home-against">0</td>
    <td class="away-won">
      <span>0</span>
    </td>
    <td class="away-drawn">0</td>
    <td class="away-lost">0</td>
    <td class="away-for">0</td>
    <td class="away-against">0</td>
    <td class="goal-difference">0</td>
    <td class="points">0</td>
    <td class="last-10-games">
      <ol>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="draw" title="Draw">
          <span>Draw</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="loss" title="Loss">
          <span>Loss</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win" title="Win">
          <span>Win</span>
        </li>
        <li class="win last" title="Win">
          <span>Win</span>
        </li>
      </ol>
    </td>
    <td class="status">
      <a class="report" href="http://www.bbc.co.uk/sport/0/football/17973162">Report</a>
    </td>
  </tr>
</tbody>

2 个解决方案

解决方案1
 0  2012-07-02 14:02:16

REGEX不适合这样做，因为它不是设计成解析器。 除非情况非常宽松，尤其是在JavaScript（具有相当原始的REGEX实现）中，否则无法希望确定哪个开始标记匹配哪个结束标记。

首先，我们需要使用[\\s\\S]而不是. 因为后者不能与多行一起使用，因为它与空格字符不匹配，并且您提到的表格的HTML在多行上。 前者会做到，因为它是一个可以匹配所有空间和非空间（即所有东西）的范围。

考虑到这一点，您可能会想这样做： 

/<tr\b[^>]*?>[\s\S]*?manc[\s\S]*?<\/tr>/gi

...即获取所有提及字符串“ manc”的行。

使用以下简化的HTML： 

<table>
    <tr>
        <td>Notts County</td>
    </tr>
    <tr>
        <td>Manchester United</td>
    </tr>
    <tr>
        <td>Arsenal</td>
    </tr>
</table>

...上述模式将匹配 

<tr>
    <td>Notts County</td>
</tr>
<tr>
    <td>Manchester United</td>
</tr>

这是合乎逻辑的。 REGEX模式从头开始，找到开头的tr （Notts County），并询问是否在不确定数目的可选字符之后找到字符串“ Manc”。 它是。

当然，问题在于，自从我们的[\\s\\S]*?以来，在找到“ Manc”时，它不知不觉地在tr边界上游荡到了下一行[\\s\\S]*? 模式允许它。

我们不能避免这种情况，因为REGEX不允许您否定序列-只能否定范围内的字符（否定的前瞻性和后向断言除外）。

简而言之，一定要学习REGEX，但是您选择了一个困难的字符串开头:)

解决方案2
 0 已采纳  2012-07-02 14:26:49

问题是，您的正则表达式太宽泛。 看看您要的是： 

<tr\b[^>]*>(.*?)manc(.*?)</tr>

让我们简化一下。 

<tr>.*?manc.*?</tr>

所以你是说，好的。 我需要先匹配tr，然后再匹配manc，然后再匹配anything ，再匹配tr。 所以。 当然会发生的是，正则表达式从第一个tr开始就可以了。 我有一个tr让我继续匹配，直到找到manc。 同时，您可能刚刚通过了一堆其他 tr。 但是您的正则表达式不在乎。

尝试这个： 

<tr>(?:(?!</tr>).)*manc.+?</tr>

或者，我想在您的示例中： 

<tr\b[^>]*>(?:(?!</tr>).)*manc.+?</tr>

暂无
暂无

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.

相关问题 使用正则表达式获得匹配值的一部分 使用带有&#39;或&#39;运算符的正则表达式并获得匹配的组？ 如何用正则表达式替换匹配的组值 过滤器可观察 <string> 与正则表达式并返回匹配的值 正则表达式Match.Value返回整个值，而不是匹配的组 在同一组中获取匹配的值，RegEx C# 在正则表达式中获取组的价值 除了正则表达式匹配的值外，不包含其他任何内容 使用RegEx获取int值 正则表达式将url嵌入html标签中
相关标签
 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM