Question

我使用的是.NET正则表达式，所以从右向左是不可能的。

这是简化文字：

<a href=\"#\" rel=\"/my_sites/delete/3/470469\"><class=\"del-link\"></a>
<a target=\"_blank\" href=\"http://yoursite.com/abc" class=\"my_sites_url\"> http://yoursite.com/abc</a>

<a href=\"#\" rel=\"/my_sites/delete/1/2017354\"><class=\"del-link\"></a>
<a target=\"_blank\" href=\"https://www.abcdef.com" class=\"my_sites_url\"> http://abcdef.com</a>

<a href=\"#\" rel=\"/my_sites/delete/1/2012936\"><class=\"del-link\"></a>
<a target=\"_blank\" href=\"https://www.abc.com" class=\"my_sites_url\"> https://www.abc.com</a>

用户输入：www.abc.com，正则表达式输出应为：1/2012936 我试过这个：

(?s)(?<=my_sites/delete/).*?(?=\\.*www.abc.com)

但它似乎找到了所有三个值，而不仅仅是1/2012936（在http://regexhero.net/tester/中测试）

是否可以用一个正则表达式模式提取3/470469？（仅使用abc.com作为用户输入）

所以基本上我试图让正则表达式适用于用户提供的任何网址（因此每次只提取一个值）。我希望我已经清楚了。（我当然可以将所有内容添加到列表中，但我想知道它是否可能出现一些不合适的模式或其他内容）。

提前谢谢！问候，琼斯

Answer 1

您想要的结果将始终是最后一个。因此，最简单的解决方案可能是保留您拥有的正则表达式，并在代码中提取最后一个匹配项。

一般情况下，除非你有充分的理由不这样做，否则最好将正则表达式的复杂性保留在合理的范围内

修改

在正则表达式中执行此操作的一种简单但不显眼的方式：

<a href=\\\"#\\\" rel=\\\"/my_sites/delete/(.*)\\\"><class=\\\"del-link\\\"></a> <a target=\\\"_blank\\\" href=\\\"http://yoursite.com/abc" class=\\\"my_sites_url\\\"> http://yoursite.com/abc</a>

这匹配整个块中的一个。重要的是：(.*)。 .*表示匹配任何字符，任意次，括号定义一个捕获组。当你想要匹配整个字符串时，这是正则表达式中的一个概念，但只有部分字符串是有意义的。就像在这种情况下，它只是你关心的那一部分，所以你在它周围放置了一个捕获组。无论您正在访问正则表达式的代码，几乎肯定会有一种方法来提取捕获组中匹配的内容。在此示例中，该组将捕获“1/2012936”

唯一需要注意的是额外的反斜杠，用于转义特殊的正则表达式字符

Answer 2

如果必须使用正则表达式解析HTML，请尝试以下操作：

(?:/my_sites/delete/)(\d+/\d+).+\n.+?>\s*https?://(?:www.)?(?=abc.com)

无法弄清楚这种不合理的正则表达式模式（甚至可能吗？）

2 个答案: