正则表达式发现没有字符串答案

【问题标题】：Regex to find that there is no string正则表达式发现没有字符串
【发布时间】：2016-09-28 14:34:15
【问题描述】：

<block id="123">
    <othertag1>...</othertag1>
    <othertag2>...</othertag2>
    <picture>...</picture>
    <othertag3>...</othertag3>
    <othertag4>...</othertag3>
</block>

如何使用ag 或grep 在许多文件中找到具有没有 <picture> 标签的此类块？

高级：从<block> 标记中获取"id"。（例如将它们作为列表输出到标准输出）。

【问题讨论】：

不要使用正则表达式解析 HTML。在您选择的编程语言中使用专用的解析工具。正则表达式没有“块”之类的概念。

标签： regex grep html-parsing ag

【解决方案1】：

是的，你可以用你的锤子敲入那个螺丝。
不过我会推荐一把螺丝刀。
我的意思是我会使用解决它的工具：XPath！

/block[not(picture)]

对于延伸目标：

/block[not(picture)]/@id

如果你要解析 XML，你应该使用 XPath。

【讨论】：

嗯，我以前不想这样做。也许像这样？ stackoverflow.com/questions/15461737/…
谢谢，我没有时间等待，所以我用 C++ 编写了最简单的多线程类 sax 解析器 :) 解析 250 GB 总共 21000 个文件需要 10 分钟。

【解决方案2】：

如果必须，您可以使用珍珠正则表达式，其中点匹配包含换行符。例如，使用 ag:

ag '(?s)<block(?!.*?picture).*?</block>'

这将返回跨越多行的块标签之间的内容，同时排除包含这两个块标签之间的图片标签的块。

(?s) 表示 .匹配项包括换行符。这？！是一个负面的展望，在这种情况下，对于“图片”这个词这 *？在第一张图片和第一个块之前是非贪婪搜索。

注意：我确信这种搜索模式在某些极端情况下不起作用，但我的快速测试运行良好。

如果您希望进一步将结果限制为仅 ID，请通过管道将另一个 ag 传递给您的结果：

ag '(?s)<block(?!.*?picture).*?</block>' <directory with files> | ag -o 'id="([0-9]+)"'

【讨论】：