JavaScript + RegEx 并发症 - 搜索不包含子字符串的字符串

Question

我正在尝试使用正则表达式来搜索一个长字符串，但我在想出一个表达式时遇到了麻烦。我正在尝试通过一些 HTML 搜索一组标签，这些标签以包含某个值的标签开始，并以包含另一个值的不同标签结束。我目前用来尝试的代码如下：

matcher = new RegExp(".*(<[^>]+" + startText + "((?!" + endText + ").)*" + endText + ")", 'g');

data.replace(matcher, "$1");

中间的奇怪（((\\?\\!endText).)*）是从另一个线程借来的，发现here，这似乎描述了我的问题。我面临的问题是表达式与开始标签匹配，但它没有找到结束标签，而是包含其余数据。此外，中间的环顾使表情放慢了很多。关于如何让这个工作的任何建议？

编辑：我知道在 RegEx 中解析 HTML 不是最好的选择（让我觉得很脏），但我正处于时间紧迫的状态，我能想到的任何其他选择都可以花费太长时间。很难说我将要解析的标记到底是什么样子，因为我正在动态创建它。我能做的最好的事情就是说我正在查看一个大型数据表，该数据表是为一系列日期的一系列项目收集的。这两个范围都可以变化，我试图从单行中选择一定范围的日期。 startText 和endText 的近似值为\\@\\@ASSET_ID\\@\\@_<YYYY_MM_DD>。这个想法是找到对应于这个单元格范围的代码。 （这个编辑很可能让这变得更加混乱，但我不确定在不解释整个应用程序的情况下我还能提供多少信息）。

编辑：嗯，这是一个愚蠢的问题。显然，我只是忘了在最后一个括号后添加.*。不敢相信我花了这么长时间！感谢那些试图提供帮助的人！

Answer 1

首先，为什么开头有.*点星号？如果您有如下文字：

This is my Text

如果你想把“我的文本”拉出来，你可以my\sText。你不必这样做.*。

话虽如此，由于您现在要匹配的只是您需要的，因此您不需要围绕“Everything”的主要捕获组。这个：.*(xxx) 是一个巨大的禁忌，几乎总是可以用这个代替：xxx。换句话说，您的正则表达式可以替换为：

<[^>]+xxx((?!zzz).)*zzz

从那里我检查它在做什么。

1. 您正在寻找 HTML 开头的分隔符 <。你消费它。
2. 您至少使用了一个不是关闭 HTML 分隔符的字符，但可以使用许多字符。这很重要，因为如果您的标签是 <table border=2>，那么到目前为止，您至少已经消费了 <t，如果不是更多的话。
3. 您现在正在寻找 StartText。如果那个 StartText 是table，你将永远找不到它，因为你已经使用了t。因此，将 + 替换为 *。
4. 如果以下不是结束文本，但从文档的 VERY END 开始，则正则表达式仍然成功，因为 Asterisk 是贪婪的。我建议通过添加 ? 使其变得懒惰。
5. 当回溯失败时，它会寻找结束文本并成功收集。

该逻辑的结果：

<[^>]*xxx((?!zzz).)*?zzz

如果您仍然要使用点，这对于新的正则表达式编写者来说是可以的，但不建议经验丰富的人使用，我会这样做：

<[^>]*xxx.*?zzz

所以对于 Javascript，你的代码会说：

matcher = new RegExp("<[^>]*" + startText + ".*?" + endText, 'gi');

我把 IgnoreCase "i" 放在那里很好，但你可能想要也可能不想要。