Question

我有这个正则表达式

(?:\<a[^*]href="(http://[^"]+?|[^"]+?\.pdf)"+?[^>]*?)>

此正则表达式的要点是捕获具有以“http：//”开头或以“.pdf”结尾的href的锚的每个结束标记（'＆gt;'）。

正则表达式有效，但它正在捕获锚点的第一部分，我绝对不需要捕获它。

在下面的示例中，除了第二个之外都是匹配的（这很好）但是只应捕获最后一个括号，但情况并非如此。

<a href="http://blabla">omg</a>
<a href="blabla">omg</a>
<a href="http://blabla.pdf">omg</a>
<a href="/blabla.pdf">omg</a>

例如：如果我们采取第一场比赛：

<a href="http://blabla">

我只想捕捉最后一个括号（我用括号括起来的那个）：

<a href="http://blabla"(>)

那么为什么非捕获组正在捕获？我怎样才能抓住锚的最后一个支架

即使我将我的正则表达式简化为以下内容，它仍然无法正常工作

(?:\<a[^*]href="http://[^"]+"+[^>]*)(>)

谢谢，

Answer 1

将您的正则表达式重写为：

(?:\<a[^*]href="(?:http://[^"]+?|[^"]+?\.pdf)"+?[^>]*?)(>)
   non capture __^^                                    ^ ^
                                             capture __|_|

Tony Lukasavage说，有一个不必要的非捕获组，而且，没有必要逃避<，所以它变成：

  <a[^*]href="(?:http://[^"]+?|[^"]+?\.pdf)"+?[^>]*?(>)
non capture __^^                                    ^ ^
                                          capture __|_|

Answer 2

您将两个截然不同的概念混为一谈：捕获和消费。正则表达式通常会消耗它们匹配的任何内容;这才是他们的工作方式。此外，大多数正则表达式风格允许您使用capturing groups来挑选整体匹配的特定部分。（总体匹配通常被称为第零个捕获组，但这只是一个比喻。）

听起来您正在尝试匹配整个<A>标记，但只使用最终的>。这在大多数正则表达式中是不可能的，包括JavaScript。但是如果您使用的是Perl或PHP，则可以使用\K来欺骗匹配开始位置：

(?i)<a\s+[^>]+?href="http://[^"]+"[^>]*\K>

在.NET中你可以使用lookbehind（就像前瞻，匹配而不消耗）：

(?i)"(?<=<a\s+[^>]+?href="http://[^"]+"[^>]*)>

在支持lookbehinds的其他版本中，大多数都会对它们施加限制，导致它们无法用于此任务。

Answer 3

如果我正确理解你想要匹配结束锚标记的大于号（>），那么应该这样做：

\<a[^*]href="(http://[^"]+?|[^"]+?\.pdf)"+?[^>]*?(>)

Answer 4

如果我正确理解您的请求......

\<a[^*]href="(?:http://[^"]+?|[^"]+?\.pdf)"+?[^>]*?(>)

Answer 5

你的括号围绕着标签本身和href的内容，所以这就是要捕获的内容。如果你需要捕获结束＆gt;然后将括号括在它周围。

正则表达式非捕获组正在捕获

5 个答案: