正则表达式匹配最接近的标签，其间有一组单词

Question

我一直试图弄清楚这一点无济于事。我在网上查看过很多资源，有些资源很接近但不准确。我们说我有以下代码：

<br>
Message 1
<br>
<br>
Here is Message 2
<br>
<br>
Here is Message 2 (again)
<br>

我想要做的是返回所有消息2以及最近的中断标记之间的文本。以下正则表达式很接近：

<br>[\s\S]*?Message 2[\s\S]*?<br>

但是，它返回以下两个块。第1座：

<br>
Message 1
<br>
<br>
Here is Message 2
<br>

第2座：

<br>
Here is Message 2 (again)
<br>

但是，我需要阻止1返回：

<br>
Here is Message 2
<br>

我收到的邮件总是以这种方式呈现，所以我并不认为我需要一个HTML解析器。

Answer 1

试试这个正则表达式模式：

<br>((?!<br>)[\s\S])*Message 2((?!<br>)[\s\S])*<br>

Demo

我在这里使用的技巧是用负向前瞻来调整.*，它断言后面的内容不是标记<br>标记。换句话说，((?!<br>).)*将消耗除下一个<br>标记之外的所有内容。

作为免责声明，通常我们不应该使用正则表达式来解析HTML数据。有时，我们有力量这样做，例如如果我们使用像Notepad ++这样没有HTML解析器的编辑器。