Question

这是字符串示例：

<option value="20150110.1932.mtsat_2.visir.bckgr.NW_Pacific_Overview.DAYNGT.jpg">20150110.1932.mtsat_2.visir.bckgr.NW_Pacific_Overview.DAYNGT.jpg</option>
<option value="20150110.1901.mtsat_2.visir.bckgr.NW_Pacific_Overview.NGT.jpg">20150110.1901.mtsat_2.visir.bckgr.NW_Pacific_Overview.NGT.jpg</option>

预计会出现：

20150110.1932.mtsat_2.visir.bckgr.NW_Pacific_Overview.DAYNGT.jpg
20150110.1901.mtsat_2.visir.bckgr.NW_Pacific_Overview.NGT.jpg

我只需要从不带引号符号的字符串中提取文件名的第一个匹配项。我该怎么办？

模式是前6位数字，以jpg结尾

我正在编程D.

我有很多变种。而且所有这些都是残废的。其中之一：

(="[0-9]{8}).+(\")

Answer 1

我知道你不想使用html解析器，但是我想展示一下今后发现这个问题的人有多简单。

regex kinda sorta有时适用于html，但有很多事情它没有：它会留下html实体（例如&）未解码并提取正确的标签可以是硬。 HTML解析器使其变得简单和正确（并且IMO更具可读性）：

我的dom.d在html上做得不错，所以我将展示如何使用它。

从我的github获取dom.d：

https://github.com/adamdruppe/arsd/blob/master/dom.d

（如果您正在从随机的非UTF-8网站解析标签汤，那么characterencodings.d：https://github.com/adamdruppe/arsd/blob/master/characterencodings.d）

然后你可以这样做：

import arsd.dom;
import std.stdio;

void main() {
    auto document = new Document("your html string here");
    foreach(option; document.querySelectorAll("option"))
         writeln(option.value); // or option.innerText
}

与dmd yourfile.d dom.d汇编。（如果你还需要处理非utf-8，请在命令行中添加characterencodings.d）

querySelectorAll与CSS选择器类似，类似于Javascript和jQuery中的相同函数，因此您也可以放入上下文以从html文档的其余部分中提取选项标记。

Answer 2

你可以试试这个正则表达式：

(?<=>)([0-9]{8}.+)(?=<)

Online demo

Answer 3

\b\d{8}[^" ]*\.jpg(?![^"]*"(?:[^"]*"[^"]*")*[^"]*$)

试试这个。看看演示。

https://regex101.com/r/fA6wE2/20

如何只用正则表达式提取第一个匹配？

3 个答案: