标签之间正则表达式匹配的文本太贪婪了

Question

我正在尝试从字符串中提取文本，并且在懒惰/贪婪方面遇到麻烦。

在示例中，我希望该文本与<b>I want this piece</b>匹配，因此我的正则表达式在<b>和</b>之间的任何内容都是非贪婪的，只要它包含＆＃39; piece＆ ＃39;

我的正则表达式的问题是匹配的文字包含<b>first</b>。

var text = "<b>first</b> <b>I only want this piece</b>";
var regX = /<b>.*?piece.*?<\/b>/;
var matches = text.match(regX);

匹配文字

"<b>first</b> <b>I only want this piece</b>"

期望的比赛

"<b>I only want this piece</b>"

Answer 1

使用否定的char类而不是第一个.*?。

var regX = /<b>[^<>]*?piece.*?<\/b>/;

<强>为什么吗

因为第一个<b>.*?piece将与第一个<b>匹配，并且它会一直持续到找到文本piece并且它不会关心中间存在的文本。如果您使用[^<>]*?，则会对匹配任何字符进行惰性匹配，但不会匹配<或>字符的零次或多次。

Answer 2

这可以用于排除任何html标签，并且可能会更加健壮，具体取决于您的字符串的可预测性：

var regX = /<b>(?:(?!<[^>]*>).)*piece.*?<\/b>/

如果要匹配换行符，除了点（。）之外，还可以使用\ s \ S，例如[.\s\S]：

var regX = /<b>(?:(?!<[^>]*>)[.\s\S])*piece[.\s\S]*?<\/b>/