grep误报

Question

我有六个html标签我关心检查自闭标签是否错误完成。标签为：<input/><br/><hr/><img/><link/><meta/>。我也在寻找它在结束标记之前没有空格，因为页面是xhtml。基本上我想找到那些不会自动关闭的东西，或者如果它确实在它前面有一个空间。

现在我只关注其中一个标签（输入）。它收集了一些但不是全部。例如，它会选择它应该执行的<input type='submit' value='Save'>。但它并没有获得<input type="text" name="name" id="name"/>。它还会选择正确的自闭项标签，例如<input type='submit' value='Save' /></td></tr>

我的grep是：

grep "<input(.*[^/])>." *

任何想法为什么？

Answer 1

为什么要选择<input type="text" name="name" id="name"/>？这是一个正确关闭的标签。

Answer 2

我认为您当前的正则表达式不起作用，因为它匹配整行。只要注意它，看起来你匹配开头字符串“<input”然后尽可能多的字符匹配，最后一个字符不是/，然后是结束{{ 1}}。

对于>，因为它很贪婪，它会一直运行到最后一个<input type='submit' value='Save' /></td></tr>。恰好是>的{​​{1}}（因为你的grep以>结束）

作为一个hack-y替代品（我确信有更优雅的方式来做到这一点......）：

td

（grep 2.6.3 / cygwin，如果那是相关的）

粗略翻译：以“.”开头，然后以“grep -P -o "<input.*?(?<=( .)|([^/]))>" test.html ”（懒惰地）结束，然后回头检查结束前的第二个最后一个字符{ {1}}不是空格，或者最后一个字符不是斜线。

如果test.html有（为了论据的缘故）：

<input

输出是：

>

更一般地说，如果您希望测试是否符合xhtml，lxml会让您的生活更轻松吗？

Answer 3

使用Regexes解析HTML是not advisable。

但是，如果您的HTML格式化，以便每行只有一个标记，那么您可以放弃grep '<input' * | grep -v " />"