正则表达式，用于查找字符串存在于哪一列

Question

我试图通过检查网页的HTML来确定名称“Phone”出现在哪一列。 我正在进行搜索的字符串如下所示：

<tr class="C1">
<td>Name</td>
<td>Address</td>
...
...   < some more columns, but their number is not fixed >
...
<td>Phone</td>
...
...    <more columns>
...
</tr>

是否可以使用正则表达式确定？

Answer 1

从理论计算机科学的角度来看：这是不可能的，因为表格可以嵌套;正则表达式通常无法处理嵌套结构（你需要一个Typ-2-Grammer（Chomsky-Hierarchy），即一个Parser来分析html-Text的结构，它不是Typ-3，即常规）。

但是，从实际的角度来看，如果您假设表没有嵌套，您可以使用RegEx来提取表行（类似<tr (?!</tr>)*</tr>），然后匹配条目（类似{{1 }}生成列列表并搜索包含字符串<td (?!</td>)*</td> ....

的条目的列表

Answer 2

艰巨的任务。我在向您介绍各种帖子，这些帖子解释了为什么使用RegEx进行HTML解析（实际上）无法解决的问题：

1. RegEx match open tags except XHTML self-contained tags
2. https://stackoverflow.com/a/590789/290343
3. https://stackoverflow.com/a/133684/290343