正则表达式在测试人员中工作，但在Sublime Text 3中没有

Question

在字符串

中

 <td class="useragent"><a href="/useragents/parse/627832-chrome-windows-blink">Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36</a></td>

我正在尝试提取并复制到剪贴板

  

的Mozilla / 5.0   （Windows NT 10.0; Win64; x64）AppleWebKit / 537.36（KHTML，与Gecko一样）   Chrome / 60.0.3112.113 Safari / 537.36

在https://regexr.com/使用正则表达式测试程序，我发现这个正则表达式完成了我想要的：

(?<=<td class="useragent"><a href=".*">).*(?=</a>)

当我在Sublime Text中尝试它时，它没有。我猜这与RegEx的不同'风味'有关，那么如何更改此RegEx以使用Sublime Text？

Answer 1

Sublime Text 3 Regex Solution

你不能在PCRE正则表达式中使用未知长度的lookbehind（它是Sublime Text 3中使用的正则表达式库）。但是，由于您使用的是肯定的外观，因此您可以使用 \K匹配重置运算符（它将丢弃与匹配内存缓冲区匹配的所有文本）。

此外，您可能会考虑一些增强功能：

• ".*"可能会在代码中溢出，请使用"[^"]*"代替
• .*</a>可能会到达最后一行</a>，使用.*?</a>转到第一行
• 如果<a>节点中有换行符，请使用(?s) DOTALL内联修饰符使.*?跨行匹配

使用

(?s)<td class="useragent"><a href="[^"]*">\K.*?(?=</a>)
                                          ^^ 

请参阅regex demo。

ST3测试：

请参阅 regular-expressions.info 上的Keep The Text Matched So Far out of The Overall Regex Match。

使用DOM解析的PHP回退

从解析任意HTML的数据时，您应该小心谨慎。如果您想从大HTML中获取所需的所有文本，则应考虑使用完整的HTML DOM支持技术。以下是使用PHP（see an online PHP demo）的示例：

$text = <<<EOD
<td class="useragent"><a href="/useragents/parse/627832-chrome-windows-blink">Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36</a></td>
EOD;
$domDocument = new DOMDocument;
$domDocument->loadHTML($text, LIBXML_HTML_NOIMPLIED|LIBXML_HTML_NODEFDTD);
$xpath = new DOMXPath($domDocument);
$nodes = $xpath->query('//td[@class="useragent"]/a');
$res = [];
foreach($nodes as $txt) { 
   array_push($res, $txt->textContent);
}
print_r($res);

结果：

Array
(
    [0] => Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36
)

此处，$text是您的HTML文字，//td[@class="useragent"]/a是一个XPath，可获取td属性值等于class的所有useragent个节点，然后在其中抓取a个节点。实际文本随$txt->textContent一起返回。

Answer 2

我在这里的所有内容都是Python，我针对你发布的字符串测试<td class="useragent"><a .*>(.*)</a></td>并且它有效。看

>>> import re
>>> agent=re.compile(r'<td class="useragent"><a .*>(.*)</a></td>')
>>> s='<td class="useragent"><a href="/useragents/parse/627832-chrome-windows-blink">Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36</a></td>'
>>> agent.findall(s)
['Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36']
>>> 

我希望有所帮助。