Question

就像我在标题中所说的那样，我的数据集是标记，看起来有点像这样

<!DOCTYPE html>
<html>
<head>
    <title>page</title>
</head>
<body>
<main>

<div class="menu">
    <img src=mmayboy.jpg>
    <p> stackoverflow is good </p>
</div>

<div class="combine">
    <p> i have suffered <span>7</span></p>
</div>
</main>
</body>
</html>

我的正则表达式引擎尝试分别匹配以下每个节点块，即我可以尝试匹配combine或menu。在一次拍摄中，这就是我的正则表达式引擎的样子，虽然我潜入其正下方的内部。

/(<div class="menu">(\s+.*)+<\/div>(?:(?=(\s+<div))))/

它试图深入到该标记并抓取所需的节点块。就这些。至于内部，我们在这里

/
(
 <div class="menu"> // match text that begins with these literals
  (
   \s+.*
  )+ /* match any white space or character after previous. But the problem is that this matches up till the closing tag of other DIVs i.e greedy. */
  <\/div> // stop at the next closing DIV (this catches the last DIV)
  (?: // begin non-capturing group 
   (?=
    (
     \s+<div
     ) /* I'm using the positive lookahead to make sure previous match is not followed by a space and a new DIV tag. This is where the catastrophic backtracking is raised. */
   )
  )
 )
/

我已经通过评论缩进它，以帮助任何愿意提供帮助的人。我也从博客和the manual 中寻找解决方案，他们说它是由具有太多可能性的表达引起的，并且可以通过降低结果的可能性来补救，{{1而不是+?而不是我试过的那么难，我无法将其中的任何一个应用到我当前的困境中。

Answer 1

(\s+.*)+

可能简化为

[^]*?

这应该可以防止灾难性的回溯。整体简化：

/<div class="menu">[^]*?<\/div>/

您是否考虑使用an HTML parser代替？

var parser = new DOMParser();
var doc = parser.parseFromString(data, 'text/html');
var menu = doc.getElementsByClassName('menu')[0];

console.log(menu.innerHTML);

逃避HTML标记中的灾难性回溯

1 个答案: