JavaScript RegEx - 返回结果但仍无法正常工作

Question

我正在尝试匹配DTD节点，例如此文本：

<!ELEMENT note (to,from,body)>

使用这个正则表达式：

match(/<!ELEMENT\s?(.*?)\s?\(.*?\)>/i)

并返回所需的文字+文字'注意' - 任何人都可以解释原因吗？

此外，当我删除“note”文本任一侧的一个或两个空格时，它仍会返回结果，这是不需要的。任何人都可以帮助解释它为什么这样做吗？

这是我的测试文件：

<!ENTITY Aring "&amp;#197;" >,
<!ENTITY aring "&amp;#229;" >,
<!ENTITY agrave "&amp;#224;" >,
<!ENTITY aacute "&amp;#225;" >,
<!ATTLIST ARTICLE AUTHOR CDATA #REQUIRED>,
<!ATTLIST ARTICLE EDITOR CDATA #IMPLIED>,
<!ATTLIST ARTICLE DATE CDATA #IMPLIED>,
<!ATTLIST ARTICLE EDITION CDATA #IMPLIED>,
<!ELEMENT note (to,from,heading,body)>,
<!ELEMENT to (#PCDATA)>,
<!ELEMENT from (#PCDATA)>,
<!ELEMENT heading (#PCDATA)>,
<!ELEMENT body (#PCDATA)>

提前感谢您的帮助！

Answer 1

这是正则表达式的样子，通过automaton：

查看

所以你实际上正确地匹配了你想要的东西，但你也在捕捉两组：

1. "<!ELEMENT note (to,from,body)"
2. "note"

但它也会匹配其他类型的字符串，例如：

• <!ELEMENT%e
(jmopV|)
• <!ELEMENT r()

这些标签不是很好。

所以你最好做一个more precise regex ，像：

<!ELEMENT\s+\w+\s+\((\w+, ?)*\w+\)>

• 这是正则表达式匹配的内容：
  • text <!ELEMENT
  • \s+一个或多个空格
  • \w+一个或多个单词字符
  • \s+一个或多个空格
  • \(一个真正的括号
  • (小组开始
  • \w+或更多字符
  • ,逗号
  • ?一个或零个空格（可能是*零个或多个空格）
  • )*组的结尾，该组匹配零次或多次
  • \w+一个或多个单词字符
  • （如果要在右括号前匹配可选空格，可能需要添加\s*）
  • \)右括号字符
  • （如果您想在标记结尾之前匹配可选空格，则可能需要添加\s*）
  • >结束标记字符



然后，当你match(/<!ELEMENT\s+\w+\s+\((\w+, *)*\w+\)>/i)时，你仍会得到两组：

1. "<!ELEMENT note (to,from,body)>"
2. "from,"

并且您必须获得第一个组，您只需要获取返回数组的第一个元素：

var match = "<!ELEMENT note (to,from,body)>".match(/<!ELEMENT\s+\w+\s+\((\w+, *)*\w+\)>/i);
if (match !== null)
    match = match[0];

如果你想使用regexp对象：

pattern = new RegExp(/<!ELEMENT\s+\w+\s+\((\w+, *)*\w+\)>/i)
match = pattern.exec(text)
if (match !== null)
    match = match[0]

将为您提供第一组匹配（这是完全匹配）。

编辑后：

你想要一个适用于这组值的正则表达式：

<!ENTITY Aring "&amp;#197;" >,
<!ENTITY aring "&amp;#229;" >,
<!ENTITY agrave "&amp;#224;" >,
<!ENTITY aacute  "&amp;#225;" >,
<!ATTLIST ARTICLE AUTHOR CDATA #REQUIRED>,
<!ATTLIST ARTICLE EDITOR CDATA #IMPLIED>,
<!ATTLIST ARTICLE DATE CDATA #IMPLIED>,
<!ATTLIST ARTICLE EDITION CDATA #IMPLIED>,
<!ELEMENT note (to,from,heading,body)>,
<!ELEMENT to (#PCDATA)>,
<!ELEMENT from (#PCDATA)>,
<!ELEMENT heading (#PCDATA)>,
<!ELEMENT body (#PCDATA)>

所以你想要一个看起来像这样的正则表达式：

/<!ELEMENT\s+\w+\s+\((\#?\w+,\s*)*\#?\w+\s*\)\s*>/



look it up here

var match = "<!ELEMENT note (to,from,body)>".match(/<!ELEMENT\s+\w+\s+\((\#?\w+,\s*)*\#?\w+\s*\)\s*>/i);
if (match !== null)
    match = match[0];

它只匹配<!ELEMENT...个节点，而不匹配<!ATTLIST...或<!ENTITY...个节点。对于那些，match将等于null。对于<!ELEMENT...个节点，它们将包含匹配节点的完整字符串。

Answer 2

两者的答案都是因为你使用.*，它会将所有内容都匹配为零次或更多次。

相反，请使用以下正则表达式：

/<!(?:ELEMENT|ENTITY|ATTLIST)\s+\w+\s+.+>/i

Proof the regular expression works

A fiddle to further demonstrate this works

一张可爱的图片来说明比赛是如何运作的：

总结一下，这匹配字符串<!，后跟ELEMENT或ENTITY或ATTLIST，后跟一个或多个空格（\s+） ，后跟一个或多个单词字符（\w+），后跟一个或多个空格，后跟一个或多个字符，后跟右括号。

Answer 3

提供音符部分是固定的：

var node = '<!ELEMENT note (to,from,body)>';
node.match(/<!ELEMENT note \(.+,.+,.+\)/); // Will alert the whole element

var invalidNode = '<!ELEMENTnote (to,from,body)>';
invalidNode.match(/<!ELEMENT note \(.+,.+,.+\)/); // Will return null

请参阅：http://jsfiddle.net/a5KkF/

Answer 4

获得note的原因是capturing。括号组使得该部分匹配在稍后（或在反向引用内）可用。由于您甚至不需要括号进行分组，因此如果您不想要note，只需删除它们。

然后你的空格是可选的（由于?） - 因此，在字符串中删除它们根本不重要。只需删除?或将其设为+（以便允许多个空格）。

另一个问题是，.也可以匹配空格。你可能应该有点限制性（这样你也可以避免不合理的量词，这通常会导致表现更差）：

/<!ELEMENT\s+\S*\s+\([^)]*\)>/i

\S匹配除空格字符以外的任何内容，[^)]匹配除)个字符以外的任何字符（它是否定字符类）。实际上，您可能也希望从(中排除\S，因为否则它可能已经匹配到括号中：

/<!ELEMENT\s+[^\s(]*\s+\([^)]*\)>/i

如果note部分必须包含至少一个字符，那么您也应该在正则表达式中清除，使用+代替*

/<!ELEMENT\s+[^\s(]+\s+\([^)]*\)>/i

如果note部分是可选的，我的早期版本至少需要 2 空格（由于两个\s+）。在这种情况下，您可以将note部分与以下空间分组，并将其作为可选项一起使用。这样，如果note存在，则只需要空格。要禁止捕获（因此您不会再次获得两个字符串），请使用(?:...)进行分组而不是(...)：

/<!ELEMENT\s+(?:[^\s(]+\s+)?\([^)]*\)>/i

请注意，match仍然会为您提供一个包含您要查找的字符串的数组（并且您无法对其执行任何操作），因此您必须使用[0]访问它。