正则表达式匹配问题

Question

我希望将这些案例中的任何一个与正则表达式匹配。我有标题文本，但我需要将它与（可能的）相应HTML匹配：

<h1>header title</h1>
<h2>site | header title</h2>
<h3 class="header">header title</h3>
<h2>header title 23 jan 2009</h2>
<h1>header title</h1>

我有这个：

/(<(h1|h2|h3))(.+?)".$title."(.+?)(<\/\\2>)/i

但它似乎并不总是奏效，也不明白为什么。

由于

Answer 1

不要使用正则表达式来解析HTML！而是使用HTML解析器。

Answer 2

是$title正则表达式转义（因此{，[等字符会被转义吗？

线端可能也有问题;如果你的正则表达式实现支持它，那么应该有多线支持。

最好使用适当的工具处理结构化数据 - 使用XML解析器的XML，使用HTML解析器的HTML。有一些解析器，比如Python中的BeautifulSoup，Ruby中的hpricot，libxml2 ......

Answer 3

你（逻辑上）想要的例子是：

<(group of anything not including ">"> (Value to extract) <(group of anything not including ">">

e.g。

<[^>]>([^>]+)<[^>]>

具体的正则表达式语法有点依赖于您正在处理的环境。

如果您确定要解析的内容并不比您的示例复杂，那么您可以侥幸成功。但是，你真的不应该用正则表达式解析html（或xml）（正如有人已经在这里指出的那样）因为xml可以任意嵌套，而正则表达式不可能处理它。 / p>