从 HTML 文件中提取信息的正则表达式答案

【问题标题】：Regular expression to extract info from HTML file从 HTML 文件中提取信息的正则表达式
【发布时间】：2020-06-08 11:20:55
【问题描述】：

我想使用正则表达式从 HTML 文件中提取以下文本：">ABCDE</A></td><td>

我需要提取：ABCDE

有人可以帮我解决我应该使用的正则表达式吗？

【问题讨论】：

【解决方案1】：

依靠这个，https://stackoverflow.com/a/40908001/11450166

(?<=(<A>))[A-Za-z]+(?=(<\/A>))

使用该表达式，假设您的标签是<A> </A>，可以正常工作。

这与您的输入表单相匹配。

(?<=(>))[A-Za-z]+(?=(<\/A>))

【讨论】：

【解决方案2】：

您可以尝试在您的具体示例中使用此正则表达式：

/">(.*)<\/A><\/td><td>/g

在字符串上测试：

Lorem ipsum">ABCDE</A></td><td>Lorem ipsum<td></td>Lorem ipsum

摘录：

">ABCDE</A></td><td>

那么这就是使用任何编程语言从每个匹配项中提取子字符串的问题。这可以从正则表达式中的匹配字符串中删除 前 2 个字符和 后 13 个 个字符，以便您只能提取 ABCDE。

我也试过了：

/">([^<]*)<\/A><\/td><td>/g

它具有相同的效果，但它不会包含包含额外 HTML 代码的匹配项。据我了解，([^<]*) 是一个否定集，与该区域中的< 字符不匹配，因此它不会捕获该区域内的其他标记元素。如果您尝试搜索某些特定文本并且需要过滤嵌套的 HTML 代码，这对于更精细地控制可能很有用。

【讨论】：