RegEx多个实例

Question

我知道也不推荐使用正则表达式来解析html，但这个问题更像是帮助理解正则表达式，而不是用它来解析html。

所以我有一个示例字符串（单行没有任何换行符或换行符）：

<tr><th> H1<th>H2 <th> H3 <tr><td> R1C1<td>R1C2 <td> R1C3 <tr><td> R2C1<td>R2C2 <td> R2C3 <tr><td> R3C1<td>R3C2 <td> R3C3 < ..

为了更好地理解，有3行和3个单元格，结尾是未知标签，但没有TR或TD：

<tr><th> H1<th>H2 <th> H3 
<tr><td> R1C1<td>R1C2 <td> R1C3 
<tr><td> R2C1<td>R2C2 <td> R2C3 
<tr><td> R3C1<td>R3C2 <td> R3C3 
< ..

首先尝试我只想获得所有行，这是我对预期结果的看法：

• 以<tr>
开头
• 零个或多个任何角色
• 结尾以<开头，其后跟随零或更多字符，但不是td或th

我尝试过'基础'，看看它是如何运作的。

1. 使用模式(<tr>.*?)为什么只获取<tr>个字符串，而不是TR到TR？
2. 使用模式(<tr>.*?<tr)，为什么只获得第1行和第3行？
3. 我找不到任何对字符串末尾有用的模式。我尝试过这种模式：

(<tr>.*?<(?!(td)|(th)))

..但我不确定这是否合适，而且这只返回第1行和第3行。

这是我尝试过的DEMO。

Answer 1

模式是：

(<tr>.*?(?=<tr))

现在回答前两个问题。

问题1 ：使用模式(<tr>.*?)为什么只获取<tr>个字符串，而不是TR到TR？

因为使用*?，您要求使用惰性运算符。由于它是懒惰的，它会尝试尽可能匹配较少的字符。由于0个字符符合模式，因此会停止为0。

问题2 ：使用模式(<tr>.*?<tr)，为什么只获得第1行和第3行？

因为当您获得第一个匹配时，解析器的光标已经通过第二个<tr传递。在第二场比赛中，它不会返回，因为第二场<tr是第一场比赛的一部分。

使用先行（(?=<tr)），解析器不会在第一个匹配中使用第二个<tr。你的最后一个模式几乎是好的，但即便如此，第一个TR＃标记的<在第一个匹配中被消耗，因此它不能成为第二个匹配的一部分。