匹配自定义标记

Question

你能告诉我如何匹配由以下字符组成的字符串：

• 一些文字
• 以“小于”开头的内容，后跟cat, dog, pen <cat>和
之间的任何内容
• 然后可能会出现一些文字，或者什么都没有，例如<cat> some text
• 然后关闭相同的标签，例如<cat> some text </cat>
• 最终被一些文字和其他标签所迷惑

所以一个例子可能是

some text <cat> another text </cat> <dog> </dog> other text <pen> bla bla bla </pen>

Answer 1

你需要回溯。根据您正在使用的正则表达式的类型，这样的东西可能会起作用：

<(cat|dog|pen)>.*<\/\1>

以上内容适用于Perl。但是，YMMV取决于您使用的工具。例如，在sed中，以下内容可行：

<\(cat\|dog\|pen\)>.*<\/\1>

正如评论中所述，中间的.*不应该贪婪，否则它只会匹配<dog>blah</dog> <dog>foo</dog>一次。究竟如何做取决于正则表达式引擎。

在一个简单的例子中，您不允许之间的任何标记：

<(cat|dog|pen)>[^<>]*<\/\1>

或者，在Perl中，你可以使正则表达式非贪婪：

<(cat|dog|pen)>.*?<\/\1>

或者你可以在没有回溯的情况下做到这一点，但那就是步法：

 (<cat>.*?<\/cat>|<dog>.*?<\/dog>|<pen>.*?<\/pen>)