使用正則表達式匹配字符串中字符的最后一次出現

Question

是的，我知道，不要用正則表達式解析html。 說：

我正在嘗試在第一個標簽中帶有單詞“ Title”的任何標簽之間捕獲內容。

我開始於：

(?P<QUALIFY_TITLE><(.*?)(title)(.*?)>)(.*?)?(?<CAPTURE>KnownTermIWant)(.*?)(\<\/.*?>)

我正在尋找“命名組捕獲”是已知單詞/字符串的地方。 為了進行研究，我還捕獲了QUALIFY_TITLE名稱組。 之所以這樣做，是因為除非我以這種方式“限定”字符串/項，否則我不想要它。

但是，如果我有一部分html看起來像這樣：

<div class="wwm"><div class="inbox"><input name="language-id" type="hidden" id="language-id" value="" /><input name="widget-page-handle" type="hidden" id="widget-page-handle" value="wwm4widget_post" /><input name="email-page-handle" type="hidden" id="email-page-handle" value="wwm4widget_emailpopup" /><div id="divWidget" style="display: block;" class="vhWidget"> <div id="divShareLink" style="display: block;" class="shareLink"><div id="divTitle" class="title">KnownTermIWant</title>

盡管我獲得了所需的CAPTURE字符串（KnownTermIWant），但Qualify字符串從第一個“

我試圖讓QUALIFY_TITLE從標題前的最后一個“ <”開始/捕獲，而不是從頭開始，換句話說，QUALIFY TITLE應該是：

<div id="divTitle

甚至

<div id="divTitle" class="title">

但我目前正在

<div class="wwm"><div class="inbox"><input name="language-id" type="hidden" id="language-id" value="" /><input name="widget-page-handle" type="hidden" id="widget-page-handle" value="wwm4widget_post" /><input name="email-page-handle" type="hidden" id="email-page-handle" value="wwm4widget_emailpopup" /><div id="divWidget" style="display: block;" class="vhWidget"> <div id="divShareLink" style="display: block;" class="shareLink"><div id="divTitle" class="title"

Answer 1

問題在於正則表達式搜索將在第一時間嘗試匹配，並且非貪婪的量詞（ *?代替* ）不會影響某項是否匹配。 例如，給定字符串abcd ，正則表達式.*?d將匹配整個內容，因為.*? 仍會根據需要匹配，以確保正則表達式匹配。

你明白我的意思嗎？

因此，您需要使子表達式更加精確。 例如，您應該編寫<([^>]*)(title)([^>]*)>而不是<(.*?)(title)(.*?)> <([^>]*)(title)([^>]*)> 。

Answer 2

問題

這里只有一個問題，您完全符合您的要求:)

過程

如果您只想匹配最后一個標簽，請問自己以下問題：

“每個前面的標簽里面有什么，但是我想要的標簽里面沒有？”

結論

答案是打開/關閉標簽本身：

(?P<QUALIFY_TITLE><([^<>]*?)(title)(.*?)>)(.*?)?(?<CAPTURE>KnownTermIWant)(.*?)(\<\/.*?>)
                    ^^^^^

Answer 3

您的代碼相當混亂，但是我將以更簡化的方式回答標題中的問題：

在此示例代碼中：

<div>Example text<div>Foo bar</div> Hello world <div>Lorem ipsum</div></div> hi

如果要從第一個 <div>匹配到最后一個 </div> ，則可以只使用一個貪婪的量詞，例如+或* ：

/<div>(.*)<\/div>/

它將匹配整個字符串，直到最后一個</div> 。

演示版

如果這不能解決您的問題，則正則表達式的復雜度將很快變得非常高（對於額外的要求，它的指數成倍地復雜），所以就像您在第一行中所說的那樣，只需使用解析器即可。