html之间的正则表达式字符串

Question

我是正则表达的新手。 我喜欢在html标签之间提取所有字符串

包含子字符串 例如，对于以下HTML：

 <span class='mouseOverHeader'>Test TEst</span>
 <div class='mouseOverData'>
 xxx cccc ccccc<br>qqq wwww wwww<br>qqq qqq MYSUBSTRING<br><br>
 <a id="email" style="cursor:pointer" onclick=">mmmmmm</a>
 </div>

我想提取字符串＆＃34; qqq qqq MYSUBSTRING＆＃34; 因为它包含我正在寻找的子串＆＃34; MYSUBSTRING＆＃34;

非常感谢您的帮助

Answer 1

解析HTML的常用方法是构建一个树（类似于Python中的BeautifulSoup，Perl中的HTML::Tree）

原因在于，由于HTML标签的嵌套特性以及嵌入其他语言，Regex经常会失败和/或产生错误的输出。我相信这些模块的工作方式是通过推送和弹出标签（读取括号<>）到堆栈上并在它们关闭时将它们弹出（阅读</>）

如果您希望坚持使用正则表达式，请尝试从以下开始：

while($code =~ m/<br>(.+?)<br>/g)
{
 print "$1\n";
}

此正则表达式仅匹配第一个组，但while循环将使其匹配，直到它遇到没有该模式的子字符串。 我强烈建议您练习一些在线视觉正则表达式匹配器，在您键入时突出显示组（尝试 RegExr ）。