正则表达式后视问题答案

【问题标题】：Regular expression lookbehind problem正则表达式后视问题
【发布时间】：2010-02-06 13:19:25
【问题描述】：

我用

(?<!value=\")##(.*)##

匹配 ##MyString## 之类的字符串，但格式不是：

<input type="text" value="##MyString##">

这适用于上述形式，但不适用于此：（它仍然匹配，不应该匹配）

<input type="text" value="Here is my ##MyString## coming..">

我试过了：

(?<!value=\").*##(.*)##

没有运气。任何建议将不胜感激。

编辑：我正在使用 PHP preg_match() 函数

【问题讨论】：

不要使用正则表达式来解析 HTML - 使用 HTML 解析器。 stackoverflow.com/questions/1732348/…
我用它来替换 HTML 代码中的某些文本，所以 preg_match 对我来说没问题。我不需要 HTML 解析器
马克，我明白了。不要使用正则表达式解析 HTML。但是，如果用户不尝试解析 HTML，而是在 HTML 中搜索特定字符串怎么办？真的有必要使用 XML 解析器解析整个文档来完成这项工作吗？我觉得很多人都在用这个答案来回答正则表达式问题，而实际上它不是正确的答案。
@Mike，我完全同意，每个人似乎都在不假思索地重复“没有 HTML 的正则表达式”的言论。
@Paul：我不是“所有人”。我不是不假思索就这么说的。我这么说是因为我认为正则表达式是解决这个问题的糟糕方法。如果您认为使用正则表达式可以轻松完成，请展示如何操作。 :)

标签： regex lookbehind

【解决方案1】：

这并不完美（这就是 HTML 解析器的用途），但它适用于绝大多数 HTML 文件：

(^|>)[^<>]*##[^#]*##[^<>]*(<|$)

这个想法很简单。您正在寻找标签之外的字符串。要在标签之外，最靠近它的前面的尖括号必须是关闭的（或者根本没有括号），并且最近的后面的一个必须是打开的（或没有）。这假定属性值中不使用尖括号。

如果您真的关心属性名称是“值”，那么您可以匹配：

value\s*=\s*"([^\"]|\\\")*##[^#]*##([^\"]|\\\")*\"

...然后简单地否定匹配（!preg_match(...)）。

【讨论】：

【解决方案2】：

@OP，你可以不用正则表达式就可以做到。

$text = '<input type="text" value="   ##MyString##">';
$text = str_replace(" ","",$text);
if (strpos($text,'value="##' ) !==FALSE ){
    $s = explode('value="##',$text);
    $t = explode("##",$s[1]);
    print "$t[0]\n";
}

【讨论】：

我相信这有太多的开销。当涉及到替换时，比如说 50 个字符串，它会消耗太多资源。 ##MyString## 之前并不总是空格，它可能是任何东西
如果它在 ##Mystring## 之前只有空格，那么根据您的标准，它不应该匹配吗？至于开销，除非您进行一些基准测试，否则无法判断。
@Dali 更多代码并不意味着更多开销，这种解决方案在某些情况下甚至可能比正则表达式更快，而在另一些情况下则更慢，正如 ghostdog74 所说，您需要实际尝试一下。

【解决方案3】：

这里至少是一个起点，它适用于给定的示例。

(?<!<[^>]*value="[^>"]*)##(.*)##

【讨论】：

警告：preg_match()：编译失败：后向断言不是固定长度
它失败并显示“编译失败：lookbehind assertion is not fixed length at offset 23”我正在使用 PHP preg_match 函数
@mark，我认为.net 是唯一支持这种后视的引擎，现在你提到它！我承认这个问题实际上在任何其他语言中都非常具有挑战性，我上面的观点并不是专门针对你的，事实上你在这种情况下可能是对的，但我仍然说很多人在不理解的情况下跳入了bandwangon。