正则表达式 - 忽略引号之间的文本 / HTML(5) 属性过滤

Question

所以我有这个Regular expression，它基本上必须将给定的字符串过滤为 HTML(5) 格式 属性列表。它目前并没有让我感到充实，但这即将改变！ （希望如此）

我试图实现，只要找到一个匹配项，它就会选择文本，直到下一次出现或字符串的结尾，作为 second 匹配。所以如果你看一下当前的正则表达式：

/([a-zA-Z]+|[a-zA-Z]+-[a-zA-Z0-9]+)=["']/g

这样的字符串：hey="hey world" hey-heyhhhhh3123="Hello world" data-goed="hey"

将像这样被过滤/匹配：

MATCH 1. [0-3]   `hey`
MATCH 2. [16-32] `hey-heyhhhhh3123`
MATCH 3. [47-56] `data-goed`

这必须被视为 attribute-name(s)，现在.. 我们只需要获取属性的 value(s)。所以提到的字符串必须有这样的结果：

MATCH 1. 
         1 [0-3]     `hey`
         2 [6-14]    `hey world`
MATCH 2. 
         1 [16-32]   `hey-heyhhhhh3123`
         2 [35-45]   `Hello world`
MATCH 3. 
         1 [47-56]   `data-goed`
         2 [59-61]   `hey`

任何人都可以尝试帮助我实现我的成就吗？它会很受欢迎！

Answer 1

你可以使用

/([^\s=]+)=(?:"([^"\\]*(?:\\.[^"\\]*)*)"|(\S+))/g

见regex demo

模式详情：

• ([^\s=]+) - 第 1 组捕获 1 个或多个字符，而不是空格和 = 符号
• = - 等号
• (?:"([^"\\]*(?:\\.[^"\\]*)*)"|(\S+)) - 2 个备选方案的非捕获组（可以添加一个更多 '([^'\\]*(?:\\.[^'\\]*)*)' 备选方案以说明单引号字符串文字）
  • "([^"\\]*(?:\\.[^"\\]*)*)" - 双引号字符串文字模式：
    • " - 双引号
    • ([^"\\]*(?:\\.[^"\\]*)*) - 第 2 组捕获除 \ 和 " 之外的 0+ 个字符，然后是 0+ 个任何转义符号序列，然后是除 \ 和 " 之外的 0+ 个字符
    • " - 一个结束的 dlouble 报价
  • | - 或
  • (\S+) - 第 3 组捕获一个或多个非空白字符

JS 演示（不支持单引号）：

var re = /([^\s=]+)=(?:"([^"\\]*(?:\\.[^"\\]*)*)"|(\S+))/g; 
var str = 'hey="hey world" hey-heyhhhhh3123="Hello \\"world\\"" data-goed="hey" more=here';
var res = [];
while ((m = re.exec(str)) !== null) {
    if (m[3]) {
      res.push([m[1], m[3]]);
    } else {
      res.push([m[1], m[2]]);
    }
}
console.log(res);

JS 演示（支持单引号文字）

var re = /([^\s=]+)=(?:"([^"\\]*(?:\\.[^"\\]*)*)"|'([^'\\]*(?:\\.[^'\\]*)*)'|(\S+))/g; 
var str = 'pseudoprefix-before=\'hey1"\' data-hey="hey\'hey" more=data and="more \\"here\\""';
var res = [];
while ((m = re.exec(str)) !== null) {
  if (m[2]) {
    res.push([m[1], m[2]])
  } else if (m[3]) {
    res.push([m[1], m[3]])
  } else if (m[4]) {
    res.push([m[1], m[4]])
  }
}
console.log(res);