Question

我在XHTML文档中有以下内容：

<script type="text/javascript" id="JSBALLOONS">
    function() {
        this.init = function() {
            this.wAPI = new widgetAPI('__BALLOONS__');
            this.getRssFeed();
        };
    }
</script>

我正在尝试选择两个脚本标记之间的所有内容。如果有帮助，id将永远是JSBALLOONS。我知道如何选择包括脚本标签，但我不知道如何选择除脚本标签之外的内容。正则表达式的结果应该是：

    function() {
        this.init = function() {
            this.wAPI = new widgetAPI('__BALLOONS__');
            this.getRssFeed();
        };
    }

Answer 1

（专门针对Javascript解决方案更新的帖子。）

在Javascript中，您的代码可能如下所示：

if (data.match(/<script[^>]+id="JSBALLOONS">([\S\s]*?)<\/script>/)) {
    inner_script = RegExp.$1;
}

括号([\S\s]*?)之间的那一部分由正则表达式引擎保存，并在找到匹配后可供您访问。在Javascript中，您可以使用RegExp.$1引用脚本标记内的匹配部分。如果您有()所包围的此类群组中的多个群组，则可以使用RegExp.$2引用它们，依此类推，最多RegExp.$9。

默认情况下，Javascript与新行字符不匹配，因此我们必须使用([\S\s]*?)而不是(.*?)，这可能更有意义。只是要完整，在其他语言中，如果您使用s修饰符（/.../s），则无需这样做。

（我必须补充一点，当从这样的HTML页面中抓取内容时，正则表达式通常非常脆弱。使用jQuery框架提取内容可能会更好。） < / p>

Answer 2

绅士的意思是1美元是“第一个捕获组的价值”。将正则表达式的一部分括在括号中时，它会定义捕获组。你从左到右计算它们。每个左括号都会启动一个新的捕获组。它们可以嵌套。

（有一些方法可以在不定义捕获组的情况下定义子表达式 - 我忘记了语法。）

在Perl中，$ 1是持有第一个捕获组匹配的字符串的魔术变量，$ 2是第二个匹配的字符串，等等。其他语言可能要求您在返回的匹配对象上调用方法以获取第N个捕获组。

但回到molf的解决方案。假设他说要使用这种模式：

/<script[^>]+id="JSBALLOONS">(.*)<\/script>/

在这种情况下，如果你有多个脚本元素，这个不正确的模式将吞噬它们，因为它是贪婪的，值得解释。此模式将从第一个开始标记开始，与其结束标记匹配，继续，最后匹配最后一个。 molf解决方案中的魔力是（。*？）中的问号，这使得它不贪婪。它将返回与模式匹配的最短字符串，因此不会吞噬额外的脚本元素。

Answer 3

不要尝试将正则表达式用于非常规语言。正确的方法是使用XML解析器，resp。 DOM：

document.getElementById("JSBALLOONS")

编辑：关于你的评论，我没有使用JavaScript或jQuery的经验，但经过一些搜索后，我认为这些内容应该有效：

$.ajax({
  type: "GET",
  url: "test.xml",
  dataType: "xml",
  success: function(xml) {
    return $(xml).find("#JSBALLOONS").text();
  }
});

有人可以更正确吗？

Answer 4

让foo成为包含代码的字符串。然后，您可以通过

剥离封闭的标签

foo = foo.substring(foo.indexOf('>') + 1, foo.lastIndexOf('<'))

什么正则表达式会匹配这些数据？

4 个答案: