JavaScript RegExp Lookbehind替代方案？

Question

我制作了一个与title="..."中的<a>匹配的正则表达式;不幸的是，它也匹配title="..."中的<img/>。

有没有办法告诉正则表达式仅在title="..."中查找<a>？我不能使用像(?<=<a\s+)这样的后置方法，因为它们在JavaScript中支持 NOT 。

这是我的表达：

/((title=".+")(?=\s*href))|(title=".+")/igm;

以上表达式符合以下条件：

正如您所看到的，它匹配title="..."中找到的<img/>;我需要表达式来排除在图像标签中找到的标题。

Here是RegExp的链接。

---

另外，如果可能的话，我需要摆脱标题周围的title =“”。因此，只返回title AFTER href和title BEFORE href。如果不可能，我想我可以使用.replace()并将其替换为""。

---

zx81的表达：

Answer 1

首先，您必须知道大多数人更喜欢使用DOM解析器解析html，因为正则表达式可能会带来某些危险。话虽这么说，对于这个简单的任务（没有嵌套），这是你在正则表达式中可以做的。

使用捕获组

我们在JavaScript中没有lookbehinds或\K，但我们可以捕获我们对捕获组的喜好，然后从该组中检索匹配，忽略其余的。

此正则表达式捕获第1组的标题：

<a [^>]*?(title="[^"]*")

在the demo上，查看右侧窗格中的第1组捕获：这就是我们感兴趣的内容。

示例JavaScript代码

var unique_results = []; 
var yourString = 'your_test_string'
var myregex = /<a [^>]*?(title="[^"]*")/g;
var thematch = myregex.exec(yourString);
while (thematch != null) {
    // is it unique?
    if(unique_results.indexOf(thematch[1]) <0) {
        // add it to array of unique results
        unique_results.push(thematch[1]);
        document.write(thematch[1],"<br />");    
    }
    // match the next one
    thematch = myregex.exec(yourString);
}

<强>解释

• <a匹配标记的开头
• [^>]*?懒惰地匹配任何不是>的字符，最多...
• (捕获群组
• title="文字字符
• [^"]*任何非引用的字符
• "收盘报价
• )结束第1组

Answer 2

我不确定您是否可以在JavaScript中使用单个正则表达式执行此操作;但是，你可以这样做：

http://jsfiddle.net/KYfKT/1/

var str = '\
<a href="www.google.com" title="some title">\
<a href="www.google.com" title="some other title">\
<a href="www.google.com">\
<img href="www.google.com" title="some title">\
';

var matches = [];
//-- somewhat hacky use of .replace() in order to utilize the callback on each <a> tag
str.replace(/\<a[^\>]+\>/g, function (match) {
    //-- if the <a> tag includes a title, push it onto matches
    var title = match.match(/((title=".+")(?=\s*href))|(title=".+")/igm);
    title && matches.push(title[0].substr(7, title[0].length - 8));
});

document.body.innerText = JSON.stringify(matches);

---

你可能应该使用DOM，而不是正则表达式：

http://jsfiddle.net/KYfKT/3/

var str = '\
<a href="www.google.com" title="some title">Some Text</a>\
<a href="www.google.com" title="some other title">Some Text</a>\
<a href="www.google.com">Some Text</a>\
<img href="www.google.com" title="some title"/>\
';

var div = document.createElement('div');
div.innerHTML = str;
var titles = Array.apply(this, div.querySelectorAll('a[title]')).map(function (item) { return item.title; });

document.body.innerText = titles;

Answer 3

我不确定你的html源代码来自哪里，但我知道有些浏览器在被取为'innerHTML'时不尊重源的大小写（或属性顺序）。

此外，作者和浏览器都可以使用单引号和双引号 这些是我所知道的最常见的两个跨浏览器陷阱。

因此，您可以尝试：/<a [^>]*?title=(['"])([^\1]*?)\1/gi

它使用back-references执行非贪婪的不区分大小写的搜索，以解决单引号和双引号的情况。

第一部分已经由zx81的回答解释了。 \1匹配第一个捕获组，因此它与使用的开头报价匹配。现在第二个捕获组应该包含裸标题字符串。

一个简单的例子：

var rxp=/<a [^>]*?title=(['"])([^\1]*?)\1/gi
,   res=[]
,   tmp
;

while( tmp=rxp.exec(str) ){  // str is your string
  res.push( tmp[2] );        //example of adding the strings to an array.
}

然而正如其他人所指出的那样，对于正则表达式标签汤（又称HTML）来说，确实很糟糕。 Robert Messerle的替代方案（使用DOM）更可取！

警告（我差点忘了）..
IE6（以及其他？）具有这个很好的“内存节省功能”，可以方便地删除所有不需要的引号（对于不需要空格的字符串）。所以，在那里，这个正则表达式（和zx81的）将失败，因为它们依赖于引用的使用！回到绘图板......（重新编写HTML时看似永无止境的过程）。