正则表达式 - 忽略提取数据中的前7个字符

Question

从页面源中提取数据。在提取的数据中，需要在显示文本后“。尝试不同的选项。没有工作。任何建议 页面源文本 enter image description here

输入类型名称= loginForm_SUBMIT值=“1”/输入类型=“”名称=“faces.ViewState”id =“faces.ViewState”value =“9uiY / UWJ1 / w3PQ ==”/＆gt;＆lt; < / p>

正则表达式：value =“[^”1“]。* \ w == 输出：value =“9uiY / UWJ1 / w3PQ == 预期产出：9uiY / UWJ1 / w3PQ ==

Answer 1

不要使用正则表达式解析XML / HTML，使用正确的XML / HTML解析器和强大的xpath查询。

理论：

根据编译理论，无法使用基于finite state machine的正则表达式解析XML / HTML。由于XML / HTML的层次结构，您需要使用pushdown automaton并使用LALR等工具操作YACC语法。

在shell中的realLife©®™日常工具：

您可以使用以下其中一项：

xmllint通常默认使用libxml2，xpath1安装（检查my wrapper以使换行符分隔输出

xmlstarlet可以编辑，选择，转换......默认情况下不安装，xpath1

通过perl的模块XML :: XPath，xpath1

安装

xpath

xidel xpath3

saxon-lint我自己的项目，包装在@Michael Kay的Saxon-HE Java库中，xpath3

或者您可以使用高级语言和正确的库，我想：

python的lxml（from lxml import etree）

perl的XML::LibXML，XML::XPath，XML::Twig::XPath，HTML::TreeBuilder::XPath

ruby nokogiri，check this example

php DOMXpath，check this example

检查：Using regular expressions with HTML tags

使用xpath：

的示例

xmllint --html --xpath 'string(//input[@value][2]/@value)' file

输出：

9uiY/UWJ1/w3PQ==

Answer 2

你可以试试这个

(?:value[^v]*value=\")([^\"]*)

您想要的输出在组1中捕获，您可以通过反向引用\ 1或$ 1来检索它。 Demo

＆＃34;值=＆＃34;在您的示例文本中出现两次，因此您似乎使用正则表达式（值=＆＃34; [^＆＃34; 1＆＃34;]。* \ w ==）以避免第一个并匹配第二个。

但是正则表达式是错误的，因为角色类＆＃39; [...]＆＃39;意味着一个角色。如果字符类后跟量词（repeater）*，+或{min，max}等，那么正则表达式可能意味着具有多个字符的字符串。