Ruby正则表达式的问题

Question

我有这个HTML代码，只有一行：

<h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3><h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3>

这是行友好版本（我不能使用）

<h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3>
<h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3>

我正在尝试使用此REGEX提取网址

/<h3 class="r"><a href="(.*)">(.*)<\/a>/

它返回

www.google.com">fkdsafjldsajl</a></h3><h3 class='r'><a href="www.google.com"

找到“？

时，我该怎么做才能阻止它？

Answer 1

问题在于*是贪婪的。在它之后加上一个问号，使其不合适。

使用正则表达式（在rubular上测试）

href\=\"(.*?)\"

Answer 2

叹息。正则表达式和HTML是如此尴尬的同床人：

require 'nokogiri'

html = %q{<h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3><h3 class='r'><a href="www.google.com">fkdsafjldsajl</a></h3>}
doc = Nokogiri::HTML(html)
puts doc.css('a').map{ |a| a['href'] }
# >> www.google.com
# >> www.google.com

无论是深层嵌套还是全部在一条线上，都可以找到它们。