什么正则表达式会匹配这些数据？答案

【问题标题】：What regular expression would match this data?什么正则表达式会匹配这些数据？
【发布时间】：2010-11-05 06:30:49
【问题描述】：

我在 XHTML 文档中有以下内容：

<script type="text/javascript" id="JSBALLOONS">
    function() {
        this.init = function() {
            this.wAPI = new widgetAPI('__BALLOONS__');
            this.getRssFeed();
        };
    }
</script>

我正在尝试选择两个脚本标签之间的所有内容。如果有帮助，id 将始终是 JSBALLOONS。我知道如何选择包括脚本标签的内容，但我不知道如何选择不包括脚本标签的内容。正则表达式的结果应该是：

    function() {
        this.init = function() {
            this.wAPI = new widgetAPI('__BALLOONS__');
            this.getRssFeed();
        };
    }

【问题讨论】：

您好，我的感谢被版主删除了！？！仅供参考，这篇文章的结尾曾经包括：谢谢，皮特。我不喜欢版主挑剔我的帖子，尤其是删除我的礼貌。

标签： javascript regex parsing xhtml html-parsing

【解决方案1】：

（专门针对 Javascript 解决方案更新了帖子。）

在 Javascript 中，您的代码可能如下所示：

if (data.match(/<script[^>]+id="JSBALLOONS">([\S\s]*?)<\/script>/)) {
    inner_script = RegExp.$1;
}

括号([\S\s]*?) 之间的那部分由正则表达式引擎保存，并且在找到匹配项后可供您访问。在 Javascript 中，您可以使用 RegExp.$1 来引用脚本标签内的匹配部分。如果你有多个这样的组，被()包围，你可以用RegExp.$2引用它们，依此类推，直到RegExp.$9。

默认情况下Javascript不会匹配换行符，这就是为什么我们必须使用([\S\s]*?)而不是(.*?)，这可能更有意义。为了完整起见，在其他语言中，如果您使用 s 修饰符 (/.../s)，则不需要这样做。

（我必须补充一点，当从这样的 HTML 页面中抓取内容时，正则表达式通常非常脆弱。您最好使用 jQuery 框架来提取内容。）

【讨论】：

嗨，谢谢。这正是我所拥有的，但它包含脚本标签。你能解释一下你所说的1美元是什么意思吗？我很陌生。谢谢！
@slypete，您使用哪种语言或工具来执行正则表达式？
@molf，我正在使用 javascript 和 jQuery。 var javascript = this.data.match(/
@slypete，更新了 Javascript 中的示例。在 Javascript 中，组保存在 RegExp.$1、RegExp.$2 等中，最多为 RegExp.$9。

【解决方案2】：

绅士所说的$1的意思是“第一个捕获组的价值”。当您将正则表达式的一部分括在括号中时，它定义了捕获组。你从左到右数。每个左括号开始一个新的捕获组。它们可以嵌套。

（有一些方法可以在不定义捕获组的情况下定义子表达式 - 我忘记了语法。）

在 Perl 中，$1 是保存第一个捕获组匹配的字符串的魔法变量，$2 是第二个捕获组匹配的字符串，依此类推。其他语言可能需要您在返回的匹配对象上调用方法来获取第 N 个捕获组。

但回到 molf 的解决方案。假设他说要改用这种模式：

/<script[^>]+id="JSBALLOONS">(.*)<\/script>/

在这种情况下，如果你有多个脚本元素，这种不正确的模式会吞噬它们，因为它是贪婪的，这一点值得解释。这个模式将从第一个开始标签开始，匹配到它的结束标签，继续，最后匹配最后一个。 molf 解决方案的神奇之处在于 (.*?) 中的问号，这使得它不贪婪。它将返回与模式匹配的最短字符串，因此不会吞噬额外的脚本元素。

【讨论】：

谢谢，也很有帮助！

【解决方案3】：

不要尝试对非常规语言使用正则表达式。正确的方法是使用 XML 解析器。 DOM：

document.getElementById("JSBALLOONS")

编辑：关于您的评论，我没有使用 JavaScript 或 jQuery 的经验，但经过一番搜索，我认为这些方面的东西应该可以工作：

$.ajax({
  type: "GET",
  url: "test.xml",
  dataType: "xml",
  success: function(xml) {
    return $(xml).find("#JSBALLOONS").text();
  }
});

谁能更正一下这个问题？

【讨论】：

文档被远程加载到一个字符串中，我需要从中提取选择的内容。我知道正则表达式不是最好的解决方案。如果您知道其他可行的解决方案，请告诉我。谢谢！
再一次，它不起作用。我试过这个。请参阅我的另一个更一般的问题，原因是：stackoverflow.com/questions/1034881/… 希望有人能够为这个问题提供答案。
当有人提到正则表达式标记语言时，我总是喜欢发布一个链接stackoverflow.com/questions/1732348/…

【解决方案4】：

设foo 为包含代码的字符串。然后，您可以通过

剥离封闭标签

foo = foo.substring(foo.indexOf('>') + 1, foo.lastIndexOf('<'))

【讨论】：