正则表达式Lookbehind无法按预期工作

Question

我在.net中有一个字符串。

<p class='p1'>Para 1</p><p>Para 2</p><p class="p2">Para 3</p><p>Para 4</p>

现在，我想只在标签p中找到文本（第1段，第2段，第3段，第4段）。

我使用了以下正则表达式，但它没有给我预期的结果。

(?<=<p.*>).*?(?=</p>)

如果我使用(?<=<p>).*?(?=</p>)它会给Para 2和Para 4这两个p标签都没有class属性？

我想知道代码的(?<=<p.*>).*?(?=</p>)有什么问题。

Answer 1

让我们使用RegexBuddy来说明这一点：

你的正则表达式比你想象的更匹配 - 点匹配任何字符，所以它不关心标签边界。

它实际上在做什么：

• (?<=<p.*>)：断言当前位置前的字符串中有<p（后跟任意数量的字符） where ，后跟>
• .*?：匹配任意数量的字符......
• (?=</p>)：...直到下一次出现</p>。

您的问题有点不清楚，但如果您的计划是在<p>标记内查找文本而不管它们是否包含任何属性，那么您不应该使用正则表达式，而是使用DOM解析器，例如HTML agility pack

那就是说，如果你坚持正则表达式，试试

(?<=<p[^<>]*>)(?:(?!</p>).)*

<强>解释

(?<=<p[^<>]*>)  # Assert position right after a p tag
(?:(?!</p>).)*  # Match any number of characters until the next </p>

Answer 2

您是否尝试使用以下表达式？

<p[\s\S]*?>(?<text_inside_p>[\s\S]*?)</p>

名为text_inside_p的群组将包含所需的文字。