使用RegExp（Ruby）從HTML標簽提取字符串

Question

我想從字符串<h1>test</h1><div>toast</div>提取“ toast”。 什么正則表達式可以隔離這樣的字符串？

編輯：感謝糾正格式的用戶。

更多信息：始終只有div標簽的一個實例，內部信息可能會更改，但同一字符串中永遠不會再有另一個div標簽（該字符串大於給定的樣本）

謝謝！

Answer 1

您可以使用Nokogiri 。

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<div> test </div> <div> toast </div>")
doc.css('div').map(&:text)
# => [" test ", " toast "]

---

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<h1>test</h1><div>toast</div>")
doc.at_css('div').text
# => "toast"

Answer 2

我們需要更多信息。 如果字符串恰好是"<h1>test</h1><div>toast</div>" ，則類似天真

regex = /<h1>test<\/h1><div>([^<]*)<\/div>/
found = "<h1>test</h1><div>toast</div>".match(regex)[1]
# => "toast"

會工作。 我目前的最佳猜測是您期望

<h1>*</h1><div>*</div>

然后使用這個：

regex = /<h1>[^<]*<\/h1><div>([^<]*)<\/div>/
found = "<h1>any string can go here</h1><div>toast</div>".match(regex)[1]
# => "toast"

請注意，如果任一標簽中有任何嵌套元素，則此操作將中斷。 一個更強大的解決方案是使用Nokogiri。 和你老板談談。

Answer 3

實際上，這不是正則表達式通常要做的事情……並且有充分的理由，但是如果您必須且由於您說過，其中的div不會超過一個……這應該對您有用：

(?<=<div>).*(?=</div>)