Question

我想从字符串<h1>test</h1><div>toast</div>中提取“toast”。什么正则表达式可以隔离这样的字符串？

编辑：感谢更正格式的用户。

更多信息：div标签总会只有一个实例，里面的信息可能会改变，但同一个字符串中永远不会有另一个div标签（字符串大于给定的样本）

谢谢！

Answer 1

您可以使用Nokogiri。

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<div> test </div> <div> toast </div>")
doc.css('div').map(&:text)
# => [" test ", " toast "]

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse("<h1>test</h1><div>toast</div>")
doc.at_css('div').text
# => "toast"

Answer 2

我们需要更多信息。如果字符串正好是"<h1>test</h1><div>toast</div>"，那么就像

一样天真

regex = /<h1>test<\/h1><div>([^<]*)<\/div>/
found = "<h1>test</h1><div>toast</div>".match(regex)[1]
# => "toast"

会奏效。我最好的猜测就是你期待

<h1>*</h1><div>*</div>

然后使用它：

regex = /<h1>[^<]*<\/h1><div>([^<]*)<\/div>/
found = "<h1>any string can go here</h1><div>toast</div>".match(regex)[1]
# => "toast"

请注意，如果任一标记中存在任何嵌套元素，则会中断此操作。更强大的解决方案是使用Nokogiri。和老板谈谈。

Answer 3

这通常不是通常用正则表达式完成的......并且有充分的理由，但是如果你必须并且因为你说过它将永远不会超过一个div ...这应该适合你：

(?<=<div>).*(?=</div>)

使用RegExp（Ruby）从HTML标记中提取字符串

3 个答案: