为什么这种模式只匹配第一个和最后一个

Question

干草堆：

<h2 >a&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;
</h2>
<div class="indent">
aaaa
</div>
<h2 >b&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;
</h2>
<div class="indent">
bbbb
</div>

我使用的模式：

#<h2[^>]*>(a|b)(?!</h2>)[\s\S]*</h2><div class="indent">((?!</div>)[\s\S]+)</div>#

此模式仅匹配第一个h2内容（例如a  · · ·）和最后一个div中的内容（例如bbbb）

但我希望它能匹配h2和div中的所有内容以制作一对一的地图（例如a  · · · =＆gt; aaaa，b  · · · =＆gt; {{1 }），我该怎么做？

Answer 1

[\s\S]*和[\s\S]+是贪婪的，这意味着它们会匹配尽可能多的字符。请尝试将其更改为[\s\S]*?和[\s\S]+?。

使用当前的正则表达式，如果您将[\s\S]*放入捕获组，您会发现它与以下内容匹配：

  · · ·
</h2>
<div class="indent">
aaaa
</div>
<h2 >b&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;

在最后添加?会使这个变得懒惰，因此它不会尽可能地匹配，而是匹配尽可能少的字符，因此它会像您想要的那样停在第一个</h2>。同样的推理适用于你的正则表达式中的[\s\S]+。

您的示例字符串看起来似乎也会失败，因为您的正则表达式中间有</h2><div...，但在示例文本中，结尾</h2>和{之间始终存在换行符{1}}，您应该将此部分更改为<div>。最终结果：

</h2>\s*<div...

But don't parse HTML with regex!