未找到标签之间的正则表达式文本

Question

我正在尝试匹配html标记的内容/文本中的单词contact。我可以在标签之间获取所有文字：

http://rubular.com/r/IkhG2nhmnS

使用：

(?<=\"\>)(.*?)(?=\<\/)

但我想只搜索contact这个词，它不起作用：

http://rubular.com/r/We44nHisLf

使用：

(?<=\"\>)(contact*?)(?=\<\/)

任何人都可以指导我如何在html标签的文本/内容中匹配我想要的单词。在上述情况下，我想查找/匹配单词contact

感谢您的帮助

Answer 1

描述

此正则表达式将拉出锚标记中href内的所有文本。

<a\b[^>]*?\bhref=(['"])([^'"]*)\1[^>]*?>

组

组0将包含从<a到>

的完整匹配字符串

1. 收到href部分的公开引用。这在后面的正则表达式中用作\1以匹配关闭引用
2. 接收href值的内容

声明

使用正则表达式可能不是解析HTML的好主意，因为有许多边缘情况会使正则表达式绊倒。

PHP代码示例：

<?php
$sourcestring="your source string";
preg_match_all('/<a\b[^>]*?\bhref=([\'"])([^\'"]*)\1[^>]*?>/im',$sourcestring,$matches);
echo "<pre>".print_r($matches,true);
?>

$matches Array:
(
    [0] => Array
        (
            [0] => <a href="contact">
        )

    [1] => Array
        (
            [0] => "
        )

    [2] => Array
        (
            [0] => contact
        )

)

摘要

• <a匹配<a
• \b单词char（\ w）和。之间的边界                        不是单词char的东西
• [^>]*?任何字符，除了：'＆gt;' （0次或更多次                        （匹配尽可能少的数量））
• \b单词char（\ w）和。之间的边界                        不是单词char的东西
• href=匹配href=
• (分组并捕获到\ 1：
• ['"]任何字符：'''，'''
• )结束\ 1
• (分组并捕获到\ 2：
• [^'"]*任何字符，除了：'''，'''（0或                          更多次（匹配最多的金额                          可能的））
• )结束\ 2
• \1与capture \ 1
匹配的内容
• [^>]*?任何字符，除了：'＆gt;' （0次或更多次                        （匹配尽可能少的数量））
• >匹配>
• )分组结束

Answer 2

您可能需要this之类的内容：

(?<=\"\>).*(contact)?(?=\<\/)

您当前的正则表达式：

(?<=\"\>)(contact*?)(?=\<\/)

只会匹配：

<a href="contact">contact</a>

但也......

<a href="contact">contactttt</a>

甚至......

<a href="contact">contac</a>

由于*仅适用于其前面的t。

我的正则表达式中的.*允许contact之前的任何字符。

Answer 3

确保在匹配文本之前不会遇到另一个标记的最安全方法是：

(?<=\"\>)[^<]*(contact)

，其中

[^<]* 

表示:(一个不是＆lt;的字符），尽可能多次

Answer 4

如果您真的必须使用正则表达式来解析HTML标记，那么

(?<=>)[^<]*(contact)[^<]*(?=<\/)

这是a test。您的比赛是在第1组。

但是，请查看DOM functions，以便正确解析结构化文档。