Question

这是我的字符串：

<link href="/post?page=4&amp;tags=example" rel="last" title="Last Page">

从那里我尝试使用这个正则表达式从4参数中获取page：

link href="/post?page=(.*?)&amp;tags=(.*?)" rel="last"

然后我会收集第一组中的4个，tags参数有一个通配符，因为内容可以更改。但是，我似乎没有与此匹配，任何人都可以帮忙吗？

而且我知道我不应该使用正则表达式来解析HTML，但这只是一件小事而且为此导入一个巨大的模块将是一种浪费。

Answer 1

假设您使用的是/regex literal/，则需要将/中的\/转义为href。

或者，它取决于你如何获得这个字符串。它是真的以这种方式打字，还是你正在读出的innerHTML的一部分？如果是这种情况，那么innerHTML就不会像你期望的那样，因为浏览器会“标准化”它。

如果它是innerHTML，那么获取标记要容易得多，然后获取标记的{{1}}属性，然后是正则表达式。

Answer 2

我认为将捕获组更改为稍微不同的东西可能会更好，但会将所有内容捕获到终止字符：

link href="/post?page=([^&]+)&tags=([^\"]+)" rel="last"

首先在字符组中使用否定字符告诉正则表达式引擎“捕获除此处列出的字符之外的所有字符”。这使得捕获所有内容变得非常容易，直到它达到终止字符，例如amperstand和double-quote。假设您正在使用PHP或Java，这也应该略微提高正则表达式的性能。

Answer 3

link href="/post\?page=(.*?)&tags=(.*?)" rel="last"
你在?

之前忘记了斜杠

Answer 4

如果page参数始终排在第一位，请尝试PCRE /\?page=(\d+)/。匹配组1将包含页码。