小组不在正则表达式中工作

Question

我写了一个正则表达式来查找html元素的id值：

<.+ id\s*=\s*["'](.+)["'].*/?>

对于大多数情况，它会返回id值，但不会返回此值：

<input type="hidden" name="__EVENTTARGET" id="__EVENTTARGET" value="" />

它匹配以下组值：

__EVENTTARGET" value="

而不是预期的__EVENTTARGET。

正则表达式有什么问题？

Answer 1

正则表达式不是解析HTML的最佳工具。

您可以尝试制作non-greedy：

<.+ id\s*=\s*["'](.+?)["'].*/?>
                    ^

然而，在其他例子中它仍然可能失败。最好使用HTML解析器，例如HTML Agility Pack。

Answer 2

你的表达式(.+)是“贪婪的” - 它尽可能地匹配。

有两种解决方案：

“懒惰”（非贪婪）：这将匹配尽可能少的字符

(.+?)

或更好的解决方案，而不是匹配.，您应该匹配[^'"]：

([^'"]+)

Answer 3

'+'是贪婪的！，然后在消耗=之后进入'id'然后“它想要更多吃。它可以随后吞噬它直到它到达最终”然后为你吐出来。 / p>

那披萨准备好了，亲爱的！