正则expression式来分割HTML标签
我有一个HTMLstring，如下所示：
<img src="http://foo"><img src="http://bar"> 正则expression式模式将其分成两个单独的img标签是什么？
你有多确定你的string是完全一样的 ？ 这样的input是什么：
<img alt=">" src="http://foo" > <img src='http://bar' alt='<' >
这是什么编程语言？ 有没有一些原因，你不使用标准的HTMLparsing类来处理这个？ 正则expression式只是一个很好的方法，当你有一个非常有名的input。 它们不适用于真正的HTML，只适用于受操纵的演示。
即使你必须使用正则expression式，你也应该使用正确的语法。 这很容易。 我已经testing了以下在万亿网页上的programacita。 它将照顾我上面概述的案例，还有一两个案例。
#!/usr/bin/perl use 5.10.0; use strict; use warnings; my $img_rx = qr{ # save capture in $+{TAG} variable (?<TAG> (?&image_tag) ) # remainder is pure declaration (?(DEFINE) (?<image_tag> (?&start_tag) (?&might_white) (?&attributes) (?&might_white) (?&end_tag) ) (?<attributes> (?: (?&might_white) (?&one_attribute) ) * ) (?<one_attribute> \b (?&legal_attribute) (?&might_white) = (?&might_white) (?: (?"ed_value) | (?&unquoted_value) ) ) (?<legal_attribute> (?: (?&required_attribute) | (?&optional_attribute) | (?&standard_attribute) | (?&event_attribute) # for LEGAL parse only, comment out next line | (?&illegal_attribute) ) ) (?<illegal_attribute> \b \w+ \b ) (?<required_attribute> alt | src ) (?<optional_attribute> (?&permitted_attribute) | (?&deprecated_attribute) ) # NB: The white space in string literals # below DOES NOT COUNT! It's just # there for legibility. (?<permitted_attribute> height | is map | long desc | use map | width ) (?<deprecated_attribute> align | border | hspace | vspace ) (?<standard_attribute> class | dir | id | style | title | xml:lang ) (?<event_attribute> on abort | on click | on dbl click | on mouse down | on mouse out | on key down | on key press | on key up ) (?<unquoted_value> (?&unwhite_chunk) ) (?<quoted_value> (?<quote> ["'] ) (?: (?! \k<quote> ) . ) * \k<quote> ) (?<unwhite_chunk> (?: # (?! [<>'"] ) (?! > ) \S ) + ) (?<might_white> \s * ) (?<start_tag> < (?&might_white) img \b ) (?<end_tag> (?&html_end_tag) | (?&xhtml_end_tag) ) (?<html_end_tag> > ) (?<xhtml_end_tag> / > ) ) }six; $/ = undef; $_ = <>; # read all input # strip stuff we aren't supposed to look at s{ <! DOCTYPE .*? > }{}sx; s{ <! \[ CDATA \[ .*? \]\] > }{}gsx; s{ <script> .*? </script> }{}gsix; s{ <!-- .*? --> }{}gsx; my $count = 0; while (/$img_rx/g) { printf "Match %d at %d: %s\n", ++$count, pos(), $+{TAG}; }
你走了 没有什么！
嘿，为什么你会想要使用一个HTMLparsing类，如何轻松地在正则expression式中处理HTML。 ☺
不要用正则expression式 。 使用HTML / XMLparsing器。 你甚至可以通过整洁首先清理它。 大多数语言都有一个整洁的图书馆。 你使用什么语言？
这将做到这一点：
<img\s+src=\"[^\"]*?\">
或者你可以这样做来说明任何附加属性
<img\s+[^>]*?\bsrc=\"[^\"]*?\"[^>]*>
<img src=\"https?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?\">
PHP示例：
$prom = '<img src="http://foo"><img src="http://bar">'; preg_match_all('|<img src=\"https?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?\">|',$prom, $matches); print_r($matches[0]);
一个稍微疯狂/辉煌/奇怪的方法是将<>分开，然后将两个字符分别添加到分割后的string中。
$string = '<img src="http://foo"><img src="http://bar">'; $KimKardashian = split("><",$string); $First = $KimKardashian[0] . '>'; $Second = '<' . $KimKardashian[1];
