正则表达式 - 贪婪 - 匹配HTML标签，内容和属性 [英] Regex - Greedyness - matching HTML tags, content and attributes

问题描述

标签的lang-attribute和内部HTML被用作函数的参数。

我试图匹配来自HTML源的特定span标签。它返回一个新的字符串。

我想用被调用的函数的结果替换旧的标签，属性和内容。

主题应该是这样的：

 < p>一些codesnippet：< / p> 
< span lang =fsharp> // PE001 
 let p001 = [0..999] 
 |> List.filter（fun n  - > n％3 = 0 || n％5 = 0）
 |> List.sum 
< / span> 
< p>另一个程式码片段：< / p> 
< span lang =C＃> // C＃testclass 
 class MyClass {
} 
< / span> 
  

为了提取lang属性和内容的值，我将这些值分组如下表达式：

  /（< span lang =（。*）>（。*）< / span> ）/是
  

由于正则表达式往往是贪婪的，这个表达式匹配完整的主题，而不仅仅是一个跨度 - 标签及其内容。

我如何设法匹配一个跨度标签？

解决方案

我们再也不会重复使用它了：不要使用正则表达式来处理HTML！

>
而是使用 DOMDocument： ：loadHTML 。

它可以让你使用DOM处理HTML数据，功能更强大，更容易：您可以：使用
$ b

.NET / manua l / en / domdocument.getelementbyid.phprel =noreferrer> getElementById 和 getElementsByTagName 用于简单提取，

• DOMXPath 类来对您的文档进行XPath查询
  
• 使用 DOMElement ，以及诸如 getAttribute / setAttribute


• ...

真的：花时间学习DOM：这是一笔不错的投资！

I am trying to match specific span-tags from an HTML source.

The lang-attribute and the inner HTML of the tag are used as parameters for a function which returns a new string.

I want replace the old tags, attributes and content with the result of the called function.

The subject would be something like this:

<p>Some codesnippet:</p>
<span lang="fsharp">// PE001
let p001 = [0..999]
           |> List.filter (fun n -> n % 3 = 0 || n % 5 = 0)
           |> List.sum
</span>
<p>Another code snippet:</p>
<span lang="C#">//C# testclass
class MyClass {
}
</span>

In order to extract the value of the lang attribute and the content, I group those values with the following expression:

/(<span lang="(.*)">(.*)</span>)/is

Since regex tends to be greedy, This expression matches the complete subject, not just one span-tag and its content.

How do i manage to match just one span-tag?

解决方案

We'll never reapeat it again : do not use regular expressions to work with HTML !

Instead, use DOMDocument::loadHTML.

It'll allow you to manipulate your HTML data using the DOM, which is much more powerful and easier : you'll be able to :

• Use methods such as getElementById and getElementsByTagName for simple extractions,
• Use the DOMXPath class to make XPath queries on your document
• Work with DOMElements, and methods such as getAttribute / setAttribute
• ...

Really : take the time to learn DOM : it's a great investment !

这篇关于正则表达式 - 贪婪 - 匹配HTML标签，内容和属性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！