Question

我一直想要提高我的正则表达技能已经有一段时间了，而且“掌握正则表达式”被推荐了很多次，所以我买了它并且在过去一天左右阅读它。

我创建了以下正则表达式：

^(?:<b>)?(?:^<i>)?<a href="/site\.php\?id=([0-9]*)">(.*?) \(([ a-z0-9]{2,10})\)</a>(?:^</i>)?(?:</b>)?$

哪个与前两个链接匹配，但忽略<i>标记所包含的两个链接。它提取id，标题和类型。

<a href="/site.php?id=6321">site 1 title (type 1)</a>
<b><a href="/site.php?id=10254">site 2 title (type 2)</a></b>

<i><a href="/site.php?id=5479">site 3 title (type 3)</a></i>
<b><i><a href="/site.php?id=325">site 4 title (type 4)</a></i></b>

虽然它有效，但对于这么简单的东西来说似乎相当长，可以改进吗？

Answer 1

不使用字符类（\ d表示0-9等）我没有看到有问题的正则表达式可以缩短很多;然而...

作为旁注，值得一提的是，使用正则表达式解析HTML至多是危险的;在处理HTML（以及较小程度的XML）时，DOM工具通常更适合。

Answer 2

如果你的写作屏幕截图作为Whilliham正确地提到DOM可能只是一个合适的解析器作为正则表达式，因为HTML更加宽容然后正则表达式。

没有多少缩短，但正则表达式更宽容

删除字符串的开头并结束字符串检查，你真的需要吗？它们？
负面的背后隐藏，以确保<a>

<i>

使用\ d简单的论文代替[0-9] tad清洁工。
您输入了3到11个字符，我将其更改为3个或更多。
删除了对结束标记的检查，它们不会为您的screenscrapper提供上下文含义（大概）。

(?<!<i>)<a href="/site.php\?id=(\d*)">(.*?) \(([ a-z\d]{2,})\)

提高我的正则表达能力

2 个答案: