Question

我想提取标签的内容。从以下字符串：

<tag1 val=123>Hello</tag1>

我只想得到

Hello

我的所作所为：

string s = "<tag1 val=123>Hello</tag1>";
regex re("<tag1.*>(.*)</tag1>");
smatch matches;
bool b = regex_match(s, matches, re);

但它会返回两个匹配项：

<tag1 val=123>Hello</tag1>
Hello

当我尝试仅获得第一个被捕获的群体时：

"<tag1.*>(.*)</tag1>\1"

我得到零比赛。

请建议。

Answer 1

regex_match只返回一个匹配项，包含所有捕获组子匹配项（它们的数量取决于模式中有多少个组）。

在这里，您只获得包含两个子匹配的1个匹配：1）完全匹配，2）捕获组1值。

要获取捕获组的内容，您需要访问smatches对象第二个元素matches[1].str()或matches.str(1)

请注意，当您编写"<tag1.*>(.*)</tag1>\1"时，\1不会被解析为反向引用，而是被解析为带有八进制代码的字符1.即使您定义了反向引用（如"<tag1.*>(.*)</tag1>\\1"）您需要在</tag1>之后重复捕获组1捕获的整个文本 - 这绝对不是您想要的。实际上，我怀疑这个正则表达式是否有用，至少，你需要用".*"替换"[\\s\\S]*?"，但用正则表达式解析HTML仍然是一种脆弱的方法。

如何仅获取捕获的组<regex> c ++

1 个答案: