Question

鉴于文本中嵌入了以下字符串，如何提取整行但不匹配内部“＆lt;”和“＆gt;”？

<test type="yippie<innertext>" />

修改：
更具体一点，我们需要处理“类型”具有或没有“＆lt;”的两种用例。和“＆gt;”字符。

<h:test type="yippie<innertext>" />
<h:test type="yippie">

Group 1: 'h:test'
Group 2: ' type="yippie<innertext>" '  -or-  ' type="yippie"'   (ie, remaining content before ">" or "/>")

到目前为止，我有类似的东西，但是第2组在第一个“＆gt;”停止的情况有点偏差。调整第2组的第一部分条件。

(<([a-zA-Z0-9_:-]+)([^>"]*|[^>]*?)\s*(/)?>)

感谢您的帮助。

Answer 1

试试这个：

<([:\w]+)(\s(?:"[^"]*"|[^/>"])+)/?>

示例用法（Python）：

>>> x = '<h:test type="yippie<innertext>" />'
>>> re.search('<([:\w]+)(\s(?:"[^"]*"|[^/>"])+)/?>', x).groups()
('h:test', ' type="yippie<innertext>" ')

另请注意，如果您的文档是HTML或XML，则应使用HTML或XML解析器，而不是尝试使用正则表达式执行此操作。

Answer 2

看起来您正在尝试使用正则表达式解析XML / HTML。我会说你的做法从根本上说是错误的。足够先进的正则表达式与XML解析器无法区分。毕竟，如果你需要解析怎么办？

<test type="yippie<inner\"text\"_with_quotes,_literal_slash_and_quote\\\">" />

此外，您可能需要将内部<和>转义为<和>

为了进一步解释为什么你不应该用正则表达式解析XML，我只能屈服于这个优秀的答案：

RegEx match open tags except XHTML self-contained tags

正则表达式：跳过/忽略模式

2 个答案: