我正在尝试<input>使用此模式匹配类型“idden”字段:
<input>
/<input type="hidden" name="([^"]*?)" value="([^"]*?)" />/
这是示例表单数据:
<input type="hidden" name="SaveRequired" value="False" /><input type="hidden" name="__VIEWSTATE1" value="1H4sIAAtzrkX7QfL5VEGj6nGi+nP" /><input type="hidden" name="__VIEWSTATE2" value="0351118MK" /><input type="hidden" name="__VIEWSTATE3" value="ZVVV91yjY" /><input type="hidden" name="__VIEWSTATE0" value="3" /><input type="hidden" name="__VIEWSTATE" value="" /><input type="hidden" name="__VIEWSTATE" value="" />
但我不确定type,name和value属性是否总是以相同的顺序出现。如果type属性最后出现,则匹配将失败,因为在我的模式中它在开始时。
type
name
value
问题: 如何更改我的模式,以便无论<input>标签中属性的位置如何,它都会匹配?
PS: 顺便说一下,我正在使用基于 Adobe Air 的 RegEx 桌面工具 来测试正则表达式。
与此处的所有答案相反,因为您尝试执行的正则表达式是一个完全有效的解决方案。这是因为您没有尝试匹配平衡的标签——这对于正则表达式是不可能的!但是您只匹配一个标签中的内容,这是完全正常的。
不过,这就是问题所在。你不能只用一个正则表达式来做到这一点......你需要做一个匹配来捕获一个<input>标签,然后对其进行进一步处理。请注意,这仅在所有属性值中都没有>字符的情况下才有效,因此它并不完美,但对于理智的输入来说应该足够了。
>
这里有一些 Perl(伪)代码来告诉你我的意思:
my $html = readLargeInputFile(); my @input_tags = $html =~ m/ ( <input # Starts with "<input" (?=[^>]*?type="hidden") # Use lookahead to make sure that type="hidden" [^>]+ # Grab the rest of the tag... \/> # ...except for the />, which is grabbed here )/xgm; # Now each member of @input_tags is something like <input type="hidden" name="SaveRequired" value="False" /> foreach my $input_tag (@input_tags) { my $hash_ref = {}; # Now extract each of the fields one at a time. ($hash_ref->{"name"}) = $input_tag =~ /name="([^"]*)"/; ($hash_ref->{"value"}) = $input_tag =~ /value="([^"]*)"/; # Put $hash_ref in a list or something, or otherwise process it }
这里的基本原则是,不要试图用一个正则表达式做太多事情。正如您所注意到的,正则表达式强制执行一定数量的顺序。所以你需要做的是首先匹配你试图提取的内容的上下文,然后对你想要的数据进行子匹配。
编辑: 但是,我同意一般来说,使用 HTML 解析器可能更容易和更好,你真的应该考虑重新设计你的代码或重新检查你的目标。:-) 但是我不得不发布这个答案,以反驳无法解析任何 HTML 子集的下意识反应:当您考虑整个规范时,HTML 和 XML 都是不规则的,但是标签的规范是相当规则的,当然在 PCRE 的能力范围内。