Question

我在页面上设置了几个HTML块，如：

<p class="something">
    <a href="http://example.com/9999">text 1 2 3</a>
    <a href="http://example.com/2346saasdf">text 3 4 5</a>
    (9999)
    <a href="http://example.com/sad3ws">text 5 6 7random</a>
</p>

我希望得到括号中的数字。我不得不承认我之前从未真正使用过正则表达式 - 阅读它，看过它的例子但是我自己没有使用它。无论如何，我通过一些环顾四周创建了这个：

<p class="something">(.*?)</p>

这正确地获取了整个<p>块，但同样，我只想要(9999)（括号完整）。我真的不确定如何得到它。

假设页面上的其他元素也可能在括号中有数字（但它们不会包含在这种格式中），并且HTML将保持有效且一致，我该如何获取它？

我理解这对于之前使用过正则表达式的人来说可能很容易，但对于解决方案，我会欣赏每个角色捕获的细节，以便我可以从中学习。

Answer 1

Don't use regex to parse HTML

相反，使用HTML解析器，然后只需读取所需<p>块中的文本（非标记）内容。

jQuery是一个相当不错的HTML解析器，因此您可以使用以下命令将所需的文本存储在变量x中：

var x = $('p').clone().find('a').remove().end().text();

working example

如果你因为某种原因不能使用jQuery让你的生活轻松，你可以在DOM使用原始的JavaScript：

var y = document.getElementsByTagName("p")[0].cloneNode(true);
var x = "";
for(var k in y.childNodes){ 
    if(y.childNodes[k].nodeType == 3){ 
        x += y.childNodes[k].textContent; 
    }
}
x = x.trim();

working example

Answer 2

对于大多数正则表达式引擎，括号表示对表达式的某些部分进行分组，而不是在输入中匹配括号。

因此，这（你说有点工作）：

<p class="something">(.*?)</p>
                     ^   ^
                     |   |
                     +---+--- creates a group

由于这个“有效”，你可以只提取该组的内容，但这也会给你括号。

我会试试这个：

<p class="something">\((.*?)\)</p>
                     ^^     ^^
                      |     |
                      +-----+-- matches (...)

然后提取第一组的内容。

现在，关于每个角色的含义：

<p class="something">\((.*?)\)</p>

<p class="something">                 match <p class="something">
                     \(               match (, without the \ it would be a group
                       (              create a group
                        .             match one character (usually not newlines)
                         *            ... repeated zero or more times
                          ?           ... in a non-greedy way
                           )          end the group
                            \)        match )
                              </p>    match </p>

Answer 3

如果您真的想使用Regex，以下模式可能对您有用。

var re = /<\/a>\s*([^\s]+)\s*<a /ig;

使用正则表达式</p>在<p>标记内找到除锚标记之外的所有内容

3 个答案: