Question

问题：需要获取字符串中的所有st。这样做，但在备忘录中只添加了最后一个结果，即st2。我如何获得st和st2等？

const
  pattern = '<h3 class=.*><a class=.*>([a-zA-Z0-9а-яА-Я]+)</a></h3>';
var
  r: TRegExpr;
  s: string;
begin
r:=TRegExpr.Create;
s:='<h3 class="yt-lockup-ellipsize"><a class="yt-uix-sessionlink yt-uix-tile-link result-item-translation-title"dir="ltr"title="Женщины"data-sessionlink="ei=CO_0s_S3oLECFQQZ3wodxl5sKw%3D%3D"href="/watch?v=E0MzksPjObU">st1</a></h3>';
s:=s + '<h3 class="yt-lockup-ellipsize"><a class="yt-uix-sessionlink yt-uix-tile-link result-item-translation-title"dir="ltr"title="Женщины"data-sessionlink="ei=CO_0s_S3oLECFQQZ3wodxl5sKw%3D%3D"href="/watch?v=E0MzksPjObU">st2</a></h3>';
r.Expression:=pattern;
if r.Exec(s) then
  REPEAT
    Memo2.Lines.Add(r.Match[1]);
  UNTIL not r.ExecNext;

Answer 1

唉。用正则表达式解析HTML =坏，坏想法。

无论如何，你的正则表达式是贪婪的，所以"<h3 class=.*><a class=.*>"部分从你的第一个标签到第二个标签一直匹配。你需要通过第一个“＆gt;”来吞噬东西那是受欢迎的，所以试试像"<h3 class="[^>]*><a class="[^>]*>([a-zA-Z0-9а-яА-Я]+)</a></h3>"这样的东西。（您也可以使用惰性量词，例如“。+？”而不是“。*”，但这比使用否定选项要慢。）

请注意，这将无法正确处理“＆gt;”嵌入在引用属性中 - 为此，您需要更加努力地工作。

编辑：仅供参考，这是懒惰的量词版本：<h3\sclass=.+?><a\sclass=.+?>([a-zA-Z0-9а-яА-Я]+)</a></h3>（“\ s”是空白字符 - 在大多数正则表达式解析器上更可靠。）

真的，通过XML解析器运行它会好得多。

德尔福：TRegExpr

1 个答案: