Question

你好我得到了一些html，我尝试使用正则表达式来查找所有获得itemprop属性的HTML标记。

我想使用正则表达式，因为我不确定HTML的完整性。

我试过这个正则表达式。

<(?<balise>.+)>(?(balise).*itemprop=.*)

我想在我的小组中匹配一个模式，但它不起作用。

有人可以帮助我

文本解析示例

<meta itemprop="currency" content="CDN" >
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" lang="fr" xmlns:og="http://ogp.me/ns#" xmlns:fb="http://www.facebook.com/2008/fbml">
<head><span itemprop="name">My name</span>

我只需要提取html标签，然后获取itemprop

Answer 1

正如评论中指出的那样，使用正则表达式解析html远非理想，你应该考虑使用适当的框架。

但是，如果坚持使用正则表达式，你可以尝试以下方式：

(?<=<)\s*([^\s>]+?)(?=\s[^>]*(?<=\s)itemprop="[^<]*?/?>)

查找由zero or more whitespace characters followed by one or more non whitespace and non > characters组成的字符串，所述字符串必须以<开头，后跟（按给定顺序）：a whitespace，zero or more non > characters， itemprop=" preceded by a space，zero or more non < characters，optional /，>。

上述正则表达式无法确保标记的属性与'和"正确平衡，如果它包含非法字符/语法，也不会失败。它只会断言标签有一个开头，一个由多个空格组成的名称，一个itemprop属性以及标签是否已关闭。

使用正则表达式查找html中的所有itemprop＆lt;（？<balise>。+）＆gt;（？（balise）。* itemprop =。*）</balise>

1 个答案: