正則表達式不匹配

Question

我有一個非常不干凈的HTML字符串。 在解析之前，我想將其轉換為：

<TABLE><TR><TD width="33%" nowrap=1><font size="1" face="Arial">
NE
</font> </TD>
<TD width="33%" nowrap=1><font size="1" face="Arial">
DEK
</font> </TD>
<TD width="33%" nowrap=1><font size="1" face="Arial">
143
</font> </TD>
</TR></TABLE>

在NE DEK 143比較容易解析。 我有這個正則表達式（RegexKitLite）：

NSString *str = [dataString stringByReplacingOccurrencesOfRegex:@"<TABLE><TR><TD width=\"33%\" nowrap=1><font size=\"1\" face=\"Arial\">(.+?)<\\/font> <\\/TD>(.+?)<TD width=\"33%\" nowrap=1><font size=\"1\" face=\"Arial\">(.+?)<\\/font> <\\/TD>(.+?)<TD width=\"33%\" nowrap=1><font size=\"1\" face=\"Arial\">(.+?)<\\/font> <\\/TD>(.+?)<\\/TR><\\/TABLE>" 
                                                     withString:@"$1 $3 $5"];

我不是Regex的專家。 有人可以幫我嗎？

問候，渡渡鳥

Answer 1

Amarghosh和bobince是鏈接問題的獲獎者，對此大體上是正確的。 但是，由於您只是在進行衛生處理，因此正則表達式實際上還不錯。

首先，剝離標簽：

s/<.*?>//

然后將所有多余的空間折疊成一個：

s/\s+/ /

然后刪除前導/后綴空間：

s/^\s+|\s+$//

然后獲取值：

^([^ ]+) ([^ ]+) ([^ ]+)$

Answer 2

我對為什么您的正則表達式可能會失敗（我不知道iPhone SDK中的字符串轉義規則）有一些懷疑：點. 用在必須與換行符匹配的地方，斜杠看起來像是不必要的轉義，等等。

但是：在您的示例中，您要提取的文本的特征是不被標簽包圍。

因此，搜索所有出現的(?m)^[^<>\\r\\n]$都將找到所有匹配項。

Answer 3

如果您確定自己的html代碼層次結構，則可以僅提取由font-tags括起來的文本：

Regex r = Regex(@"<\s*font((\s+[^<>]*)|(\s*))>(?<desiredText>[^<>]*)<\s*/\s*font\s*>")
//C# example
foreach(Match m in r.Matches(txt))
   result += m.Groups["desiredText"].Value.Trim()

; 它是由字體標簽包圍的文本，邊緣沒有空格符號。