Question

我们目前正在为我们的软件实施一个小标签系统。只有两种不同的标记样式：单个，多个。

单身看起来像这样：

<<Single_Tag>>

多个看起来像这样：

<<Multiple_Tag*>>
... stuff between tag ...
<</Multiple_Tag*>>

RegEx找到单一的将是：

<<\w+>>

RegEx找到多个将是：

<<(\w+)\*{1}>>((.|\s)*)<</(\w+)\*{1}>>

是否需要{1}？我是对的，(.|\s)*需要贪婪吗？否则此RegEx将失败：

<<multiple_tag1*>>
    <<multiple_tag2*>>

    <</multiple_tag2*>>
<</multiple_tag1>>

捕捉群体是否有更简单的方法？对不起，如果以下语法错误。我上次使用RegEx的时间是几年前：

<<(\w+)\*{1}>>((.|\s)*)<</($1)\*{1}>>

$1代表第一个捕获组。我正在开发 .NET 。我已经在RegExr检查了这些。但我只记得：在使用RegEx时忽略某些事情非常容易。

Answer 1

请参阅以下文章关于使用正则表达式解析html，因为它也适用于此（我的首选。堆栈溢出帖子）。

RegEx match open tags except XHTML self-contained tags

<强>更新

解决这个问题的一种方法是：

1）构建一个tokenizer，将你的输入标记为令牌序列，其中每个令牌是以下之一：

* Non-Tag (contains all the content)
* Open-Tag (contains the name of the tag)
* Close-Tag  (contains the name of the tag)

2）循环调用标记生成器，并手动记录开始结束标记，确保它们正确平衡。

步骤（1）可以使用词法生成器自动化。在理论上，步骤（2）可以由解析器生成器自动化，但在这种情况下这可能是过度的。

.NET中使用的常见词法分析器和解析器生成器是ANTLR

示例

此输入

<<Multiple_Tag*>> ... stuff between tag ... <</Multiple_Tag*>>

会生成以下令牌：

1. Open-Tag("Multiple_Tag") 2. Non-Tag("\n ... Stuff between tag ... \n") 3. Close-Tag("Multiple_Tag")

Answer 2

正则表达式不能用于保持计数。如果您需要任何可以计算的东西，例如已经传递了多少<<Multiple_Tag*>>，那么您需要一个合适的解析器。

检查是否需要RegEx

2 个答案: