Qt Regex匹配HTML Tag InnerText

Question

我有一个带有<pre>...</pre>标记的html文件。匹配pre的所有内容需要什么正则表达式？

QString pattern = "<pre>(.*)</pre>";
QRegExp rx(pattern);
rx.setCaseSensitivity(cs);

int pos = 0;
QStringList list;
while ((pos = rx.indexIn(clipBoardData, pos)) != -1) {
  list << rx.cap(1);
  pos += rx.matchedLength();
}

list.count（）始终为0

Answer 1

HTML不是regular language，您不使用正则表达式来解析它。

相反，使用QXmlSimpleReader加载XML，然后使用QXmlQuery查找PRE节点，然后提取其内容。

Answer 2

DO NOT PARSE HTML USING Regular Expressions!

相反，请使用真正的HTML解析器，例如this one

Answer 3

我使用子串做到了：

int begin = clipBoardData.indexOf("<pre");
int end = clipBoardData.indexOf("</body>");

QString result = data.mid(begin, end-begin);

结果包括<pre's>，但我发现这更好;）

Answer 4

我必须同意其他人的意见。 Drupal 6.x及更早版本正在使用正则表达式对HTML数据进行大量工作。如果您创建64Kb或更高的页面，它会很快破裂。因此，使用DOM或仅使用indexOf()是一种更快更快的解决方案。

现在，对于那些有兴趣了解更多有关正则表达式的人，Qt使用了perl实现。这意味着您可以使用惰性运算符。你的正则表达式会变成：

(<pre>.*?</pre>)+

获取＆lt; pre＆gt;中的每一个在你的代码中阻塞（虽然如果你只有一个，那么问号和加号不是必需的。）请注意，这里不需要在正则表达式的开头和结尾处有分隔符。

QRegExp re("(<pre>.*?</pre>)+", Qt::CaseInsensitive);
re.indexIn(html_input);
QStringList list = re.capturedTexts();

现在列表应该有一个＆lt; pre＆gt;标签或更多。