Question

为了澄清标题，我试图在html文档中找到一行，其中包含以下字符串（或一些接近的变体）：

<!--Copy from here-->

并且只包含一个唯一的文件名。我们称之为SN12345.htm

我正在搜索的文档有几行，我很难在'copy'字符串之间隔离一行。以下正则表达式几乎匹配整个文档（打开单行标记）：

\<!-+Copy [A-Za-z ]+-+\>(.*SN12345\.htm.*)\<!-+Copy [A-Za-z ]+-+\>

我想要的是它只匹配文件名后面第一次出现的复制字符串。我该怎么做呢？我正在使用Python。

以下是一个示例输入：

<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-24.htm">2100-24</A></TD>
 <TD>2100 Bioanalyzer - peak find problem when using new Ambion RNA ladder Cat. #7152</TD>
 <TD>11/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-23.htm">2100-23</A></TD>
 <TD>2100 Bioanalyzer communication problems when both Biosizing and 2100 Expert SW are active</TD>
 <TD>10/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-22.htm">2100-22</A></TD>
 <TD>Incompatibility of 2100 Expert and Microsoft Windows XP Service Pack 2</TD>
 <TD>09/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-21.htm">2100-21</A></TD>
 <TD>2100 Bioanalyzer - DNA LabChip Kits and detergent containing PCR buffer</TD>
 <TD>04/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-20.htm">2100-20</A></TD>
 <TD>General PC system and settings requirements for 2100 expert software</TD>
 <TD>04/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD>2100-19</A></TD>
 <TD>not used</TD>
 <TD>01/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->
 <TR valign=top>
 <TD><A href="SN_2100-18.htm">2100-18</A></TD>
 <TD>RNA 6000 Pico Kits - ART&reg; Aerosol Resistant Tips generate baseline abnormalities</TD>
 <TD  >01/04</TD><td valign=top><p align="center">I</p></td></tr>
<!--Copy from here-->

Answer 1

假设XX = 和正则表达式在下面：

XX(?:(?!XX)[\s\S])*SN12345\.htm(?:(?!XX)[\s\S])*XX
||^^^^^^^^^^^^^^^^^            ^^^^^^^^^^^^^^^^^||

您会看到重复的模式存在。两端的两个XX定义了匹配应该开始和结束的边界。然后有(?:(?!XX)[\s\S])*我将解释：

(?:启动非捕获组
- (?!XX)否定前瞻，后续字符不应为XX
- [\s\S]如果之前的模式断言，则提前一步
)*小组结束，尽可能多地重复

Live demo

匹配包含第三个字符串的两个字符串之间的所

1 个答案: