Question

我不知道正则表达式并且很少使用它。我正在尝试识别没有id的html按钮标签。搜索我最终得到了这个

$ grep -Prn '<button(.*)(?!\id)(.*)>' .

but search results came with <button ... id ...>. Like

<button id="criar_rascunho" class="botao-editar botao-claro" onclick="editarConteudoRoteiro('<?php echo $roteiro_versao->getId(); ?>','<?php echo $roteiro_release->getId(); ?>')">

<button class="botao-claro botao-progresso" data-titulo="<?php echo $disciplinaOfertaGrupo['disciplinaOferta']->getNome();?>" data-dofid="<?php echo $disciplinaOfertaGrupo['disciplinaOferta']->getId(); ?>"><?php echo $this->translate('ver-progresso'); ?></button>

<button class="excluir-disciplina excluir-disciplina-icones"></button></td>

换句话说，两者都是

<button ... >

和

<button ... id ...>

在搜索结果中。

Answer 1

很快就可以在不使用预测的情况下完成

grep -v '<button[^>]*id.*>'

来自man grep

-v， - 反转匹配反转匹配感，选择不匹配的线条。（-v 由POSIX指定。）

<强>测试

$ cat input
<button ... >
<button ...  id >

$ grep -v '<button[^>]*id.*>' input
<button ... >

如果您仍希望使用预测，只需将之前的任何内容更改为前瞻，以及

grep -P '<button(?![^>]*id)'

<强>测试

$ cat input
<button ... >
<button ...  id >

$ grep -P '<button(?![^>]*id)' input
<button ... >

Answer 2

您可以尝试下面的内容。

grep -Prn '<button\b(?![^>]*\bid\b)[^>]*>'

(?![^>]*\bid\b)否定前瞻声明标记本身内的<button子字符串不会跟随匹配id。

示例：

$ cat file <button ... > <button ... id > $ grep -Prn '<button\b(?![^>]*\bid\b)[^>]*>' file 1:<button ... >

Answer 3

正则表达式不是解析[X] HTML的好工具。除非你简化了关于输入形式的假设，否则不可能正确地做到这一点，即使这样也很难。使用真正的解析器会更好。

此外，正则表达式不是一件事，而是一系列事物。由POSIX grep处理的正则表达式语言与Perl处理的正则语言不同，后者与Java处理的正则语言稍有不同，这与Javascript处理的不同等等。我是只谈谈grep的方言，但......

此外，grep是面向行的工具，而HTML不是面向行的语言。这是一个无法解决的不匹配，除非你愿意假设你的按钮元素永远不会跨越多行，如下所示：

<button
  id='my_id' />

此外，由于grep同样是 line 定向工具，即使你有一个有效的正则表达式，它也会匹配包含两个或更多<button>的行其中一些具有id属性而另一些则没有的元素。这可能令人困惑。

在一般意义上，对于模式匹配器来正确完成工作，它必须匹配整个标签，包括这些标签中的每个属性，以不允许任何属性具有名称“id”。必须确保避免考虑跨越两个或多个标记的子字符串，并且不得排除子字符串“id”显示为完整属性名称以外的任何标记。

这个Perl正则表达式的怪物（因为你使用grep -P）会比你提出的更准确：

<button(?:\s+(?:(?!id)[A-Za-z0-9.-]+|id[A-Za-z0-9.-]+)(?:\s*=\s*(?:[^ \t\n\r>'"]+|'[^']*'|"[^"]*")))*\s*/?>

它匹配一个完整的HTML开始标记或空标记（它不会被同一行上的多个标记所欺骗），其中没有任何属性（如果有）被命名为“id”。它不会被包含“id”作为子字符串的三个字符或更长的属性名称所欺骗，也不会被出现在属性值中的“id”所欺骗。如果你想要混合大小写匹配，那么可以添加它而不会有太多额外的困难。

另一方面，它还会匹配模仿按钮开始的字符数据或没有id的空标记，当与grep一起使用时，它将无法匹配任何跨越多行的按钮开始标记。如果它们包含的字符属性名称既不是（非重音）拉丁字母，也不是数字，也不是'。'，也不是' - '，它也将无法匹配有效的开始标记。它可能有其他缺点。

正则表达式搜索按钮标记中不包含id的所有文件

3 个答案: