Question

要求：我有以下数据与regEX匹配。我需要获得名称1，名称2，名称3和名称4。

某些条件：

$regex需要考虑Name总是在<H2>Composition<\H2>之后
可能有任意数量的Name即可能在Composition之后只有一种模式说Name1或两种模式Name1和Name2
撰写后至少会有一个Name模式。所以正则表达式应该像“组合存在然后Name1肯定会存在”

示例：

 <H2>Composition</H2>
 <A href="/generics/levocetrizine-210129">Name 1</A>,
 <A href="/generics/paracetamol-210459">Name 2(500 mg)</A>,
 <A href="/generics/phenylephrine-hydrochloride-210494">Name 3</A>,
 <A href="/generics/ambroxol-hydrochloride-211798">Name 4</A></DIV></DIV></DIV></DIV>

到目前为止，我只能通过以下脚本获得第一个Name，即Name1。我的脚本只是忽略其余的“名称”，即在上面的情况下，我的输出中缺少Name2，Name3和Name4。

[regex]$regex = 
@'
(?s).+?<H2>Composition</H2>.*?href="/generics/.*?">(.*?)</A>
'@

Answer 1

使用XPath表达式或针对HTML Agility pack的一点C＃，这个问题更容易解决。 Regular Expressions are going to be a major pain，但在这种情况下，您可以使它们有效。

使用HTML Agility Pack，它将类似于：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(yourString);

string xpath = "//H2[contains(text(), 'Composition')]/following-sibling::A[contains(@href, '/generics/']";

var nodes = doc.DocumentNode.SelectNodes(xpath);
foreach (var node in nodes)
{
    string name = node.InnerText;
    string uri = node.Attributes["href"].Value;
}

从这个小C＃代码段转换为Powershell应该不会很难。

从长远来看，使用Regex将是一件痛苦的事情，它并不意味着对HTML或XML等结构化文档进行HTML解析或解析。

如果你真的想采取糟糕，糟糕，不好，可怕，正则表达式的方式，请尝试这样的事情：

(?i)<h2>composition</h2>(?:(?:(?!<a).*)<a href="/generics/[^"]+">(?<name>(?!</a).*)</A>)*

使用.NET正则表达式功能获取捕获：

([regex]$regex).Match("$content").Groups['name'].Captures

一个固定模式，后跟任意数量的其他模式使用正则表达式

1 个答案: