使用 RegEx 从引号内获取 html 或文本，包括转义引号

Question

我想做的是从我正在解析的简单文本中获取属性值。我希望能够在引号内包含 HTML，所以这就是让我现在停滞不前的原因。

$line = 'attribute = "<p class=\"qwerty\">Hello World</p>" attribute2 = "value2"'

我已经到了获取值的点（子字符串）

$line = '"<p class=\"qwerty\">Hello World</p>" attribute2 = "value2"'

如果文本中没有转义引号，我当前的正则表达式可以工作。但是，当我尝试转义 HTML 引号时，它根本不起作用。此外，使用 .* 将结束第二个属性。

我试图从上面的字符串中获得的是

$result = '<p class=\"qwerty\">Hello World</p>'

这是我在尝试和错误正则表达式方面所取得的进展。

$value_regex = "/^\"(.+?)\"/"

if (preg_match($value_regex, $line, $matches)) 
     $result = $matches[1];

非常感谢您！

Answer 1

您可以使用否定的lookbehind 来避免匹配转义的引号：

(?<!\\)"(.+?)(?<!\\)"

RegEx Demo

这里的(?<!\\) 是消极的后视，这将避免匹配\"。

不过，我会提醒您使用正则表达式解析 HTML，最好使用 DOM。

---

PHP 代码：

$value_regex = '~(?<!\\\\)"(.+?)(?<!\\\\)"~';
if (preg_match($value_regex, $line, $matches)) 
     $result = $matches[1];