正则表达式 - 模式捕获除模式 [.net] 之外的所有内容答案

【问题标题】：Regex - pattern capture everything except for pattern [.net]正则表达式 - 模式捕获除模式 [.net] 之外的所有内容
【发布时间】：2011-07-03 00:50:48
【问题描述】：

我想捕捉任何东西，但不包括特定的模式。我的实际问题与从 html 中解析信息有关，但我将问题提炼为一个示例，希望能澄清我的问题。

来源

xaxbxcabcabc

所需匹配

xaxbxc

如果我使用前瞻，表达式将捕获第一次出现

.*(?=abc) => xaxbxcabc

我想要一些类似于否定字符类的东西，只是为了一个否定模式。

.*[^abc] //where abc as a pattern instead of a list giving anything but a, b or c

【问题讨论】：

Regex is not for parsing HTML.
您可能会发现regexhero.net/tester 也是一名优秀的测试人员。
@Mormegil 使用*? 的答案是您想要的答案。仅供参考，可能会有负面的前瞻，因此您的最后一个代码块将变为.*(?!abc)。但是，这似乎与您的情况无关，也不是消极的向后看。 .*(?!abc) 将从您的样本中捕获 xaxbxcabcabc，.*(?<!abc) 将捕获 xaxbxcabcab。
@Matti - 我理解反对使用正则表达式解析 html。我的情况可能（或者我很容易出错）有点不同。在这种情况下，我试图从特定页面中提取特定信息，该页面的 html 格式不正确并且不包含内容含义的语义信号。我正在使用正则表达式来查找内容含义的上下文指示。结果将是一个脆弱的数据捕获功能，我知道只要网站所有者更改标记，我就必须对其进行编辑。在理想情况下，他们会提供一个 api，或者至少生成更好的 html。
@driis - 感谢您的建议，我会检查那个测试器。

标签： .net regex

【解决方案1】：

为什么不使用replace：

string result = new Regex("abc.*$").Replace ( input, "" );

这将删除从第一个匹配短语开始的所有内容，让您保留直到该点为止的所有内容。

【讨论】：

感谢您的回答。对于我使用的示例，这不仅可行，而且可能是最干净的解决方案。但是，在我正在处理的情况下，它会增加一个步骤。我正在使用lookbehind来启动模式。因此，我必须在后视之后匹配所有内容，然后对该匹配进行替换。

【解决方案2】：

非贪婪（惰性）量词 *? 在这里可能很有用，例如

^(?<captured>.*?)abc.*$

编辑：为了清楚起见，（当然）不需要显式捕获，真正重要的部分只是

(.*?)abc

【讨论】：

【解决方案3】：

如果您锚定正则表达式，您将解决问题（+ 使用惰性量词）：

"^.*?(?=abc)"

【讨论】：