RxExp匹配第一个标记

Question

我正在尝试匹配第一个标记<test>中的文字内容。

例如：

<test>SAMPLE TEXT</test><test>SAMPLE TEXT2</test><test>SAMPLE TEXT3</test>

如果我使用

("<test>(.*)</test>")`

我明白了：

SAMPLE TEXT</test><test>SAMPLE TEXT2</test><test>SAMPLE TEXT3

如何仅获取第一个<test>代码中的内容：SAMPLE TEXT？

Answer 1

(.*)是贪婪的（意思是“你找到最后 </test>之前你可以匹配的所有东西”），你正在寻找非贪婪的版本{{1 （意思是“只要你找到第一个 (.*?)”就可以匹配。）

在考虑使用正则表达式解析HTML时，请记住the call of Cthulu，并查看this question，以了解使用.NET解析HTML的最佳实践。或者，如果这是XML（而不是HTML），那么无论如何，使用XmlReader以适当（且简单）的方式进行。

Answer 2

而不是.*使用.*?

问号使星号变得懒惰，导致它尽可能少地匹配。没有它，星号是贪婪的，尽可能多地匹配。

Answer 3

@Radu的答案非常好，但也请尝试复习以下内容：

"<test>([^<]*)</test>"

Answer 4

我同意您可以使用XML解析库，但无论如何我都会回复：

("<test>([^<]*)</test>")

将解析与'＆lt;'不同的所有字符，这是您要忽略的第一个字符。

HTH。