如何在正则表达式中创建多行

Question

我想为网页抓取制作正则表达式

如何搜索多行结果：

例如，这是我的Html

    <div id="cn-centre-col-inner">

    <p>sothing her</p>
     ...
    </div>

    <div id="ok"> ..</div>

我想找一个正则表达式来诅咒我这个结果：

    <div id="cn-centre-col-inner">

    <p>sothing her</p>
     ...
    </div>

Answer 1

正则表达式不是最好的工具，你应该使用html解析器。

假设你有这个正则表达式：

(?s)<div id="cn-centre-col-inner">.*?<\/div>

您将能够捕获您想要的内容：

<div id="cn-centre-col-inner">

    <p>sothing her</p>
    ...
</div>

但是，你不能确保第一个结束div是正确的。例如，对于这种情况：

<div id="cn-centre-col-inner">

    <p>sothing her</p>
    ...
    <div>something inner 1</div>
    <div>something inner 2</div>
</div>
<div id="ok"> ..</div>

您将丢失内容，您只会捕获：

<div id="cn-centre-col-inner">

    <p>sothing her</p>
    ...
    <div>something inner 1</div>

像这样：

这是一个很好的例子，可以说明为什么不应该使用正则表达式来解析复杂的html。我强烈建议你使用html解析器。

如果你极其确定你的div cn-centre-col-inner没有嵌入div，那么你可以继续上面的正则表达式。实际上，您可以使用捕获组来获取div中的所有内容：

(?s)<div id="cn-centre-col-inner">(.*?)<\/div>
                                  ^---^--- notice the parentheses

Answer 2

在阅读有关正则表达式和html的警告后，如果只是针对特定任务，您可以尝试这样的脏东西：

(<div[^>]*id="cn-centre-col-inner.*</div>)\n<div id="ok"