如何使用正则表达式查找所有猫答案

【问题标题】：How to find all cats with a Regular Expressions如何使用正则表达式查找所有猫
【发布时间】：2014-02-13 01:11:54
【问题描述】：

如何使用正则表达式查找所有“猫”？

“有些人在遇到问题时会想“我知道，我会用正则表达式。“现在他们有两个问题！” (c) 杰米·扎温斯基

请帮助我通过单个查询找到 div 中的所有“猫”:)

cat
<div>let's try to find this cat and this cat</div>
cat
<div>let's try to find this cat and this cat</div>
cat

我已经这样做了，但它不起作用：

(?<=<div>)((?!<\/div>)(cat|(?:.|\n))+)(?=<\/div>)

Debuggex Demo

我在使用 Sublime Text 时发现了这个问题。我们只能进行一次查询。可能吗？如果您可以使用任何编程语言（Python、PHP、JavaScript）回答，我也会很高兴。谢谢！

我可以找到最后一只猫或第一只猫，但需要找到坐在某些 DIV 中的所有猫。我想其他语言的东西可能有可能，但我只想要一个查询（一行）——这对我来说最有趣。如果不可能，对不起我的帖子:)

感谢@revo！非常好的变体，适用于 Sublime Text。让我为这个主题添加第二个问题...... Сan 我们对“猫”类的 div 这样做，但对“狗”类的 div 不这样做？

cat
<div class="cats">black cat, white cat</div>
cat
<div class="dogs">black cat, white cat</div>
cat

【问题讨论】：

你真的只想要“猫”这个词还是整个标签？
My favourite SO answer
olgash，是的，所有的猫都隐藏在 div 中 :)
查找“cat”出现的最简单的正则表达式是……cat。除非您指定其他要求，否则没有理由让它变得更复杂。
在解析任何 XML 文档（HTML 或其他）时，正则表达式通常是不适合这项工作的工具。几乎没有办法编写一个匹配cats 和<div>s 的所有可能排列的正则表达式（例如，@casimir-et-hippolyte 下面的答案将无法通过此测试：<div><div></div>cat</div>）。

标签： javascript python html regex sublimetext2

【解决方案1】：

这不能使用正则表达式可靠地完成（正如其他人提到的那样）。

原因是 HTML 可以包含嵌套标签，但正则表达式无法“计算”您的深度有多少层，因此您将总是能够构造一些示例您的正则表达式无法找到所有猫的 HTML 示例。

为了解析 HTML，您需要使用 STACK 来跟踪您在标签中的深度。在这个 python 示例中，我使用序列 (self.tags) 作为堆栈：

from HTMLParser import HTMLParser
import re

# create a subclass and override the handler methods
class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.tags = []

    def handle_starttag(self, tag, attrs):
        self.tags.append(tag)

    def handle_endtag(self, tag):
        self.tags.pop()

    def handle_data(self, data):
        if self.tags and self.tags[-1] == 'div':
            # now we are dealing with a single string.
            # use a regular expression to find all cats
            num = len(re.findall('cat', data))
            if num:
                print 'found %d cats at %s' % (num, '.'.join(self.tags))

# instantiate the parser and fed it some HTML
parser = MyHTMLParser()
parser.feed('''
cat
<div>let's try to find this cat and this cat</div>
cat
<div>let's try to find this cat and this cat</div>
cat
''')

# now try a trickier example
parser.feed('''<body><div>cat<div>another text</div></div></body>''')

输出：

found 2 cats at div
found 2 cats at div
found 1 cats at body.div

这也很容易扩展到仅匹配基于类属性的特定 div。（参见 handle_starttag 的 attrs 参数）。

【讨论】：

【解决方案2】：

这适用于 Sublime Text：

(?s)(cat)(?=[^>]*?</div>)

【讨论】：

让我们试着找到这只猫和这只猫
你好，我是一只猫
让我们试着找到这只猫和这只猫
好的，非常感谢！现在它对我来说是最有用的答案，而且真的很管用
那就再问一个问题吧！ Сan 我们为某些类的 div 做它，而不是另一个 div？ cat
cat
cat
cat
cat
对于<div>cat<div>another text</div></div>，此正则表达式失败。有人提到用正则表达式解析 Html/XML 之类的递归结构不起作用吗？

【解决方案3】：

考虑到您没有指定需要使用哪种语言，我将使用 JavaScript 来解决此问题。

你可以用一个简单的技巧来清除所有垃圾：

var string = "<div>let's try to find this cat and this cat</div>\n<div>let's try to find this cat and this cat</div>\nanother cat";
var str = string.replace(/(^|<\/div>)[\w\W]*?(<div>|$)/g,''); //filters out anything outside divs
console.log(str.match(/cat/g)); // ["cat", "cat", "cat", "cat"]

在一行中，这将是：

console.log("<div>let's try to find this cat and this cat</div>\n<div>let's try to find this cat and this cat</div>\nanother cat".replace(/(^|<\/div>)[\w\W]*?(<div>|$)/g,'').match(/cat/g)); // ["cat", "cat", "cat", "cat"]

即使在您需要匹配以下内容时也能做到这一点：

<div class="foo"><div></div>cat</div>

我会使用以下内容：

var str = "<div>let's try to find this cat and this cat</div>\n<div>let's try to find this cat and this cat</div>\nanother cat\n<div class=\"foo\"><div></div>and a cat</div>";
var openCounter = 0;
var result = [];
for (var i=0;i<str.length;i++) {
    if (str.substr(i,4) == '<div') openCounter++;
    else if (str.substr(i,6) == '</div>') openCounter = Math.max(0,openCounter-1); //don't go lower than 0
    if (openCounter > 0 && str.substr(i,3) == 'cat') result.push([str.substr(i,3), i]);
}
console.log(JSON.stringify(result)); //[["cat",28],["cat",41],["cat",79],["cat",92],["cat",148]]

这还会获取在字符串中找到猫的索引，并将其与猫一起存储在 result 变量中。

【讨论】：

谢谢！我可以用一个查询来做到这一点吗？
@DopusimVladimir 这就是您要找的东西吗？
这也未通过测试<div><div></div>cat</div>。
joeytje50，再次感谢您！这不是我想要的，但它是很酷的变体。让我编辑我的帖子
@asgallant，是的，它返回 null

【解决方案4】：

PHP 模式：

$pattern = '~(?><div\b[^>]*+>|\G(?<!^))(?>[^c<]++|\Bc|c(?!at\b)|<(?!/div>))*+\Kcat~';
preg_match_all($pattern, $subject, $matches);
print_r($matches);

图案细节：

~                  # pattern delimiter
(?>                # atomic group: possible anchor
    <div\b[^>]*+>  # an opening div tag 
  |                # OR
    \G(?<!^)       # a match contiguous to a precedent match
)
(?>                # atomic group: all content between tags that is not "cat"
    [^c<]++        # all characters except "c" or "<"
  |                # OR
    \Bc            # "c" not preceded by a word boundary
  |                # OR
    c(?!at\b)      # "c" not followed by "at" and a word boundary
  |                # OR
    <(?!/div>)     # "<" not followed by "/div>"
)*+                # repeat the group zero or more times
\K                 # reset all that has been matched before from match result
cat                # literal: cat
~

使用 DOM：

$dom = new DOMDocument();
@$dom->loadHTML($yourHtml);
$divs = $dom->getElementsByTagName('div');
foreach($divs as $div) {
    preg_match_all('~\bcat\b~', $div->textContent, $matches);
    print_r($matches);
}

【讨论】：

感谢您的模式！但我什么也没得到 - Array ( [0] => Array ( ) )
还有很长的正则表达式！