Question

<tr><td align=right>Name:</td><td align=left><b><font color=black>Nathan</font></b></td></tr>
<tr><td align=right>Extension:</td><td align=left><b>222</b></td></tr>

我有上面的 ~~HTML~~ 文本全球（无法更改），我想要一个返回3个捕获组的正则表达式，标签(Name|Extension)字体颜色{ {1}}和数据(black|red)。

我在返回捕获组2（字体颜色）时遇到了一些麻烦。如您所见，它不存在于表的“扩展”行中，因此我将捕获组设置为可选。当我这样做时，它在第一行根本不匹配。我尝试过一些不同的量词组合的试验和错误，但我仍然无法得到我正在寻找的结果。

这是我到目前为止的模式：(\w+)

我相信(Name|Extension):.*?(?:<font color=(black|red)>)?.*?>(\w+)正在消耗可选的捕获组，只匹配第1组和第3组。如果有人能向我解释我哪里出错了，那就太好了。

编辑：作为试图更多地了解正则表达式的人，如果有人能够将上面的数据解释为不可变文本而不是HTML，我将不胜感激。

Answer 1

这是你正在寻找的暴行：

 (Name|Extension).*?<b>[<font color=]{0,12}(black|red)?>?(.*?)</.*

如果您处理的HTML格式与您提供的示例略有不同，那么它很脆弱，我绝对不会期望它能够正常工作。但是，如果HTML 可靠糟糕，我认为你应该没问题。

请注意，这不能被视为Signor Mendoza在使用正则表达式解析HTML的固有不可能性方面的错误;恰恰相反，有证据表明他在每一个方面都是绝对正确的。这不是解析;这是作弊，就像我说的那样，如果您使用的源HTML与您提供的示例一样丑陋，那么您只会侥幸逃脱。

测试用例：

 <tr><td align=right>Name:</td><td align=left><b><font color=black>Nathan</font></b></td></tr>
 <tr><td align=right>Extension:</td><td align=left><b>222</b></td></tr>
 <tr><td align=right>Name:</td><td align=left><b><font color=red>Thomas</font></b></td></tr>
 <tr><td align=right>Extension:</td><td align=left><b>223</b></td></tr>
 <tr><td align=right>Name:</td><td align=left><b><font color=black>Frank</font></b></td></tr>
 <tr><td align=right>Extension:</td><td align=left><b>224</b></td></tr>
 <tr><td align=right>Name:</td><td align=left><b><font color=red>Steve</font></b></td></tr>
 <tr><td align=right>Extension:</td><td align=left><b>225</b></td></tr>
 <tr><td align=right>Name:</td><td align=left><b><font color=black>Tony</font></b></td></tr>
 <tr><td align=right>Extension:</td><td align=left><b>226</b></td></tr>

结果：

 Name black Nathan
 Extension  222
 Name red Thomas
 Extension  223
 Name black Frank
 Extension  224
 Name red Steve
 Extension  225
 Name black Tony
 Extension  226

Answer 2

问题在于不情愿的量词。第一个.*?首先不消耗任何内容，允许正则表达式的下一部分尝试在:之后立即匹配FONT标记。它没有找到，但没关系，因为该部分是可选的。然后第二个.*?接管，只消耗尽可能多的费用，直到>(\w+)匹配为止。因此，如果是一个FONT标记，它将被第二个.*?匹配，而不是按照您的意图与可选组匹配。

但是不要费心使量词人贪心; 可能工作，但更有可能失败的效率更低。试试这个：

<td[^>]*>(Name|Extension):</td><td[^>]*><b>(?:<font color=(black|red)>)?([^<]*)<

因为我明确地匹配了标签后面的所有标签，所以它位于正确的位置以匹配FONT标签（如果有的话）。如果它在那里，group(2)将包含颜色;否则它将是null。

可选的捕获组不捕获

2 个答案: