Question

好的，我完全在为什么这个正则表达式工作。我正在使用的文字是：

<html>
  <body>
    hello
    <img src="withalt" alt="hi"/>asdf
    <img src="noalt" />fdsa<a href="asdf">asdf</a>
    <img src="withalt2" alt="blah" />
  </body>
</html>

使用以下正则表达式（在php中测试但我假设所有perl正则表达式都是如此），它将返回所有不包含alt标记的img标记：

/<img(?:(?!alt=).)*?>/
Returns:
<img src="noalt" />

基于此，我认为简单地删除无后向引用将返回相同的内容：

/<img(?!alt=).*?>/
Returns:
<img src="withalt" alt="hi"/>
<img src="noalt" />
<img src="withalt2" alt="blah" />

如您所见，它只返回所有图像标记。然后让事情变得更加混乱，删除？（据我所知，只是一个通配符）*返回到最后的＆gt;

/<img(?!alt=).*>/
Returns:
<img src="withalt" alt="hi"/>
<img src="noalt" />fdsa<a href="asdf">asdf</a>
<img src="withalt2" alt="blah" />

所以任何人都想告诉我，或者至少指出我正确的方向发生在这里？

Answer 1

/<img(?:(?!alt=).)*?>/

此正则表达式为img后匹配的每个字符应用否定预测。因此，一旦找到alt=，它就会停止。因此，它只会与img标记匹配，后者没有alt属性。

/<img(?!alt=).*?>/

此正则表达式仅在img之后应用否定预测。因此，无论>是否出现在字符串后面的任何位置，它都将匹配所有img标记的第一个alt=，而不是alt=。它将在.*?

中介绍

/<img(?!alt=).*>/

这与前一个相同，但它匹配最后一个>的所有内容，因为它使用greedy matching。但我不知道你为什么得到那个输出。你应该得到>的最后</html>所有内容。

现在忘记那里发生的一切，然后转向HTML Parser，解析HTML。它们专为此任务而设计。所以，不要费心使用正则表达式，因为你无法通过正则表达式解析各种HTML。

为什么这个正则表达式有效？

1 个答案: