Question

>> "<img src=\"https://filin.mail.ru/pic?width=90&amp;height=90&amp;email=multicc%40multicc.mail.ru&amp;version=4&amp;build=7\" style="">".match(Regexp.new("<a href=\"http(s?):\/\/(?:\w+\.)+\w{1,5}.+?\">|<img src=\"http(s?):\/\/(?:\w+\.)+\w{1,5}.+?\"(?: style=\".+\")?>"))
=> nil

但Rubular的测试表明它应该被捕获

link

我无法理解为什么使用Rubular进行测试时应该捕获此字符串，实际上并非如此。

Answer 1

正则表达式是99.9％的时间处理HTML（或XML）的错误工具。相反，请使用解析器，例如Nokogiri：

require 'nokogiri'

html = '<img src="https://filin.mail.ru/pic?width=90&amp;height=90&amp;email=multicc%40multicc.mail.ru&amp;version=4&amp;build=7" style="">'
doc = Nokogiri::HTML(html)

url = doc.at('img')['src'] # => "https://filin.mail.ru/pic?width=90&height=90&email=multicc%40multicc.mail.ru&version=4&build=7"
doc.at('img')['style'] # => ""

检索完所需的数据后，例如src，请使用其他“正确”工具，例如URI：

require 'uri'

scheme, userinfo, host, port, registry, path, opaque, query, fragment = URI.split(url)
scheme    # => "https"
userinfo  # => nil
host      # => "filin.mail.ru"
port      # => nil
registry  # => nil
path      # => "/pic"
opaque    # => nil
query     # => "width=90&height=90&email=multicc%40multicc.mail.ru&version=4&build=7"
fragment  # => nil

query_parts = Hash[URI.decode_www_form(query)]
query_parts # => {"width"=>"90", "height"=>"90", "email"=>"multicc@multicc.mail.ru", "version"=>"4", "build"=>"7"}

Answer 2

当你在Regex上调用match时，它工作正常，但我强烈建议你不要使用正则表达式来解析HTML。

str = '<img src="https://filin.mail.ru/pic?width=90&amp;height=90&amp;email=multicc%40multicc.mail.ru&amp;version=4&amp;build=7" style="">'

matchData = /<img src="http(?:s?):\/\/(?:\w+\.)+\w{1,5}.+?"(?: style=".+")?>/.match(str)

p matchData[0] # => "<img src=\"https://filin.mail.ru/pic?width=90&amp;height=90&amp;email=multicc%40multicc.mail.ru&amp;version=4&amp;build=7\" style=\"\">"

Answer 3

这对我有用：

'<img src="https://filin.mail.ru/pic?width=90&amp;height=90&amp;email=multicc%40multicc.mail.ru&amp;version=4&amp;build=7" style="">'.match(/<img src="https?:\/\/(?:\w+\.)+\w{1,5}.+?"(?: style=".+")?>/)

不确定为什么你的确无法正常工作，虽然我注意到你忘了逃脱匹配字符串中的最后两个双引号。我用单引号来避免这个问题

无法弄清楚为什么匹配结果为零

3 个答案: