Question

我使用Wget来抓取一个站点以迁移到新平台。我正在尝试清理页面并删除其中的所有视图状态代码。我使用以下正则表达式来执行此操作：

<input type="hidden" name="__VIEWSTATE" value=.*/>

这适用于Dreamweaver等程序。我喜欢使用另一个名为Wild Edit的应用程序，它非常快速地搜索和替换大量文件。当我使用相同的表达式时，它将与页面上的最后一个/>匹配，删除很多好的代码。我也试过<input type="hidden" name="__VIEWSTATE" value=.*/>$同样的结果。

我如何约束这一点以使其保持在/＆gt;

的第一场比赛

Answer 1

正则表达式过于贪婪。试试这个：

<input type="hidden" name="__VIEWSTATE" value=.*?/>

默认情况下，正则表达式引擎会尝试尽可能多地进行匹配。例如，正则表达式a.*z将匹配az (some other middle stuff) az作为一个大匹配，因为，以a开头并以{{1}结尾}。

z修饰符告诉正则表达式引擎，而不是贪婪，是懒惰的：而不是抓住最大的可能匹配，抓住最小。在上一个示例中，正则表达式?将匹配2个a.*?z子字符串，因为它是懒惰的：一旦看到az，它就会停止。

Answer 2

尝试

<input type="hidden" name="__VIEWSTATE" value=.*?/>

?，如果支持则会使搜索无效，因此它只会匹配第一个 />而不是最后一个。

如果这不起作用，最好的选择可能是：

<input type="hidden" name="__VIEWSTATE" value=[^/]+/>

保持正则表达式搜索到一行

2 个答案: