提取标签属性的正则表达式 [英] Regular expression for extracting tag attributes

问题描述

我试图提取锚标记的属性（< a> ）。到目前为止，我有这样的表达：

 （？< name> \b\w + \b）\s * = \s *（ （小于值GT; [^？] *） | '（小于？值GT; [^'] *）'|（小于？值GT; [^'<> ; \s] +）\s *）+ 
  

适用于像

 < a href =test.htmlclass =xyz> 
  

和（单引号）

 < a href ='test.html'class =xyz> 
  

但不适用于不带引号的字符串：

 < a href = test.html class = xyz> 
  

如何修改我的正则表达式使其能够使用不带引号的属性？或者有更好的方法可以做到这一点？

谢谢！

更新： 到目前为止，感谢所有好评和建议。有一件事我没有提到：我可悲的是必须修补/修改不是由我自己编写的代码。并且没有时间/金钱来自下而上地重写这些东西。 如果你有一个像这样的元素

 < name attribute = value attribute =valueattribute ='value'> 
  

这个正则表达式可以用来连续查找每个属性名称和值。

 （\S +）= [']？（（？：。（？！['']？\ s +（?: \ S +） = | [> 中']））+）。[']？ 
  

应用于：

 < a href = test.html class = xyz> 
< a href =test.htmlclass =xyz> 
< a href ='test.html'class =xyz> 
  

会产生：

 'href'=> 'test.html'
'class'=> 'xyz'
  

I'm trying to extract the attributes of a anchor tag (<a>). So far I have this expression:

(?<name>\b\w+\b)\s*=\s*("(?<value>[^"]*)"|'(?<value>[^']*)'|(?<value>[^"'<> \s]+)\s*)+

which works for strings like

<a href="test.html" class="xyz">

and (single quotes)

<a href='test.html' class="xyz">

but not for string without quotes:

<a href=test.html class=xyz>

How can I modify my regex making it work with attributes without quotes? Or is there a better way to do that?

Thanks!

Update: Thanks for all the good comments and advices so far. There is one thing I didn't mention: I sadly have to patch/modify code not written by myself. And there is no time/money to rewrite this stuff from bottom up.

解决方案

If you have an element like

<name attribute=value attribute="value" attribute='value'>

this regex could be used to find successively each attribute name and value

(\S+)=["']?((?:.(?!["']?\s+(?:\S+)=|[>"']))+.)["']?

Applied on:

<a href=test.html class=xyz>
<a href="test.html" class="xyz">
<a href='test.html' class="xyz">

it would yield:

'href' => 'test.html'
'class' => 'xyz'

这篇关于提取标签属性的正则表达式的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！