Question

我已经有了这个正则表达式模式，可以检查我的文档中的每个href=""：

\(href\s*=\s*(?:"|')(.*?)(?:"|'))

现在我希望它仅在href和<a标记之间匹配所有</a>，其他参数仍然允许。

不匹配：

<base href="http://www.w3schools.com/images/" target="_blank">

<link rel="apple-touch-icon" sizes="57x57" href="/apple-icon-57x57.png">

匹配

<a href="http://www.w3schools.com/"></a>

<a class="re" href="http://www.w3schools.com/"></a>

<a href="http://www.w3schools.com/" class="re">This is a link</a>

先谢谢，我还没能解决这个问题。

Answer 1

注意：由于语言类（常规，堆栈）的限制，这不能100％完成。但近似的是：

<a\b[^>]*\shref="([^"]*)"

或者，如果您使用命名子表达式：

<a\b[^>]*\shref=(?P<QUOTE>["'])(?P<URL>.*?)(?P=QUOTE)

这也将处理撇号分隔的属性。

最后一个例子也可以改写为：

<a\b[^>]*\shref=(["'])(.*?)(\1)

但请记住使用第二个子表达式，而不是第一个。

目前尚不清楚您是否想要获取链接的名称，但如果您这样做，无论您选择哪种正则表达式，都可以添加一个简单的附录来获取名称。例如，对于命名的子表达式：

<a\b[^>]*\shref=(?P<QUOTE>["'])(?P<URL>.*?)(?P=QUOTE)[^>]*>(?P<NAME>.*?)</a>

正则表达式匹配任何与href =＆＃34;＆＃34;但在另外两个标签之间

1 个答案: