Ruby Regex匹配字符串的多个部分

Question

使用Ruby：ruby 1.9.3dev（2011-09-23修订版33323）[i686-linux]

我有以下字符串：

str = 'Message relates to activity <a href="/activities/35">TU4 Sep 5 Activity 1</a> <img src="/images/layout/placeholder.png" width="222" height="149"/><br/><br/>First question from Manager on TU4 Sep 5 Activity 1.'

我要符合以下条件：

35（数字是href属性值的一部分）
TU4 Sep 5活动（标签的文本）
经理关于TU4 Sep 5活动1的第一个问题。（最后一个<br/><br/>标记之后的其余文本）

为了达到相同的目的，我编写了以下正则表达式

result = str.match(/<a href="\/activities\/(?<activity_id>\d+)">(?<activity_title>.*)<\/a>.*<br\/><br\/>(?<message>.*)/)

这将产生以下结果：

#<MatchData "<a href=\"/activities/35\">TU4 Sep 5 Activity 1</a> <img src=\"/images/layout/placeholder.png\" width=\"222\" height=\"149\"/><br/><br/>First question from Manager on TU4 Sep 5 Activity 1." 
         activity_id:"35" 
         activity_title:"TU4 Sep 5 Activity 1" 
         message:"First question from Manager on TU4 Sep 5 Activity 1.">

但是我想这不是很有效。 是否有可能在匹配结果中仅以某种方式返回了所需的值（如上所述，我要匹配的内容），并且以下值被从匹配结果中排除：

"<a href=\"/activities/35\">TU4 Sep 5 Activity 1</a> <img src=\"/images/layout/placeholder.png\" width=\"222\" height=\"149\"/><br/><br/>First question from Manager on TU4 Sep 5 Activity 1."

谢谢，

吉涅什

Answer 1

适当的方法是不要使用regexen。 而是使用Nokogiri库轻松解析您的html：

require 'nokogiri'

doc = Nokogiri::HTML.parse(str)
activity_id = doc.css('[href^="/activities"]').attr('href').value[/\d+$/]
activity_title = doc.css('[href^="/activities"]')[0].inner_text
message = doc.search("//text()").last

这将完全执行您的正则表达式所尝试的操作，而发生随机失败的可能性要低得多。