查找包含HTML的字符串中的所有匹配項

Question

我有一個包含HTML的字符串，例如：

s <- "...<span class=\"pull-right\">170 cm</span>...
<span class=\"pull-right\">29</span>...
<span class=\"pull-right\">06/24/1987</span>..."

其中...表示之間還有其他HTML標記。 我想提取>和</span>之間的信息，可以

• 僅數字
• 數字和字符（大寫或小寫或兼而有之）
• 格式日期mm/dd/yyyy

我為正則表達式想到了這樣的東西：

">[0-9/]*[a-z ]*[A-Z]*</span>"

這個對嗎？ 如何提取感興趣的值？ 也就是說，給定s ：

170 cm
29
06/24/1987

Answer 1

您最好去一個HTML解析器。 但是，如果您需要一種基於正則表達式的快速且骯臟的解決方案，請使用環視方法在某些開頭（ (?<=>)為前一個> ）和結尾（ (?=</span>)為尾隨</span>之間提取模式）模式：

(?<=>)[0-9/A-Za-z ]*(?=</span>)

請注意， 0-9/ ， az ， AZ組合在一類中，否則1 Gb類的字符串將不匹配（您的原始正則表達式要求大寫字母后跟小寫字母）。

可以使用perl=TRUE環視：

m <- gregexpr("(?<=>)[0-9A-Za-z /]*(?=</span>)", s, perl=TRUE)
regmatches(s, m)

演示： https : //ideone.com/yvXIuP

Answer 2

這是一個匹配的正則表達式

170厘米

29

1987年6月24日

(\d{2}\/\d{2}\/\d{4})|(\d+ [A-Za-z]+)|(\d+)