在 Ruby 中使用正则表达式提取两个标签之间的文本答案

【问题标题】：Extract text between two tags using regex in Ruby在 Ruby 中使用正则表达式提取两个标签之间的文本
【发布时间】：2015-11-29 21:15:35
【问题描述】：

假设我有这个包含html标签的字符串：

<a href="abgeordnete-1128-0----w8397.html" class="small_link">Berlin-Treptow-Köpenick</a>

如何在 ruby 中使用正则表达式提取“Berlin-Treptow-Köpenick”的文本？

谢谢！ :)

【问题讨论】：

RegEx match open tags except XHTML self-contained tags的可能重复
为什么急于选择答案？
您应该指定提取规则。例如，从示例中可以看出它是由字母数字字符和字符“>”后面的'-' 组成的文本，但读者无法确定是否总是如此。此外，当您给出示例时，将所有输入对象分配给变量（例如 str = "
我知道这个问题已经很老了，但我认为它仍然值得注意：你的标题清楚地表明你想从 2 个标签之间提取文本，但问题没有。此外，您无需指定这些标签是什么。

标签： ruby regex

【解决方案1】：

你可以使用：

html = '<a href="abgeordnete-1128-0----w8397.html" class="small_link">Berlin-Treptow-Köpenick</a>'

html[/>(.*)</, 1]
#=> "Berlin-Treptow-Köpenick"

当您的 HTML 部分更复杂时，我建议使用像 Nokogiri 这样的库：

html = '<a href="abgeordnete-1128-0----w8397.html" class="small_link">Berlin-Treptow-Köpenick</a>'

require 'nokogiri'

Nokogiri::HTML(html).text
#=> "Berlin-Treptow-Köpenick"

【讨论】：

【解决方案2】：

我假设要提取的字符串由字母数字字符（包括重音字母）和连字符组成，并且该字符串紧跟字符 '>' 的第一个实例之后。

string =
'<a href="abgeordnete-1128-0----w8397.html" class="small_link">Berlin-Treptow-Köpenick</a>'

r = /
    (?<=\>)       # match '>' in a positive lookbehind
    [\p{Alnum}-]+ # match >= 0 alphameric character and hyphens
    /x            # extended or free-spacing mode

string[r] #=> "Berlin-Treptow-Köpenick"

请注意，/A-Za-z0-9/ 与 'ö' 等重音字符不匹配。

或者，可以使用 POSIX 语法：

r = /(?<=\>)[[[:alnum:]]-]+/

【讨论】：

【解决方案3】：

string = '<a href="abgeordnete-1128-0----w8397.html" class="small_link">Berlin-Treptow-Köpenick</a>'

string.scan(/<[a][^>]*>(.+?)<\/[a]>/).flatten

【讨论】：

【解决方案4】：

ActionController::Base.helpers.strip_tags(html)

这个基础助手只返回文本

html = "<a href=\" https://something.com/\"></a> <del>this</del> works</strong"

这将被返回“这有效”

【讨论】：