RegEx 代码在理论上有效，但在运行代码时无效答案

【问题标题】：RegEx code works in theory but not when code is runRegEx 代码在理论上有效，但在运行代码时无效
【发布时间】：2014-11-25 12:41:09
【问题描述】：

我正在尝试使用这个 RegEx 搜索：<div class="ms3">(\n.*?)+<in Ruby，但是一旦我到达最后一个字符“<div class="ms3">(\n.*?)+ 时，它会打印出<div class="ms3">，这正是我正在寻找的，但是一旦我添加了“

我的代码：

#!/usr/bin/ruby
# encoding: utf-8

File.open('ms3.txt', 'w') do |fo|
  fo.puts File.foreach('input.txt').grep(/<div class="ms3">(\n.*?)+/)
end

我正在搜索的一些内容：

  <div class="ms3">
    <span xml:lang="zxx"><span xml:lang="zxx">Still the tone of the remainder of the chapter is bleak. The</span> <span class="See_In_Glossary" xml:lang="zxx">DAY OF THE <span class="Name_Of_God" xml:lang="zxx">LORD</span></span> <span xml:lang="zxx">holds no hope for deliverance (5.16–18); the futility of offering sacrifices unmatched by common justice is once more underlined, and exile seems certain (5.21–27).</span></span>
  </div>

  <div class="Paragraph">
    <span class="Verse_Number" id="idAMO_5_1" xml:lang="zxx">1</span><span class="scrText">Listen, people of Israel, to this funeral song which I sing over you:</span>
  </div>

  <div class="Stanza_Break"></div>

我需要做的完整的 RegEx 是 <div class="ms3">(\n.*?)+<\/div> 它选择了第一部分，没有别的

【问题讨论】：

Don't parse HTML with regex!
除了Don't parse HTML with regex!，您还省略了 multiline 修饰符：...grep(/.../m)。
我很喜欢这种咆哮，并将牢记在心。但是，我不能 100% 确定我正在做的是解析（如果我理解正确的解析）我想要做的就是将某些包含 HTML 的文本从一个 txt 文件提取到另一个，就是这样。除非这正是解析是什么？我没有尝试处理或修改 HTML，最终结果将在另一个程序中完全没有正则表达式的情况下工作
@RebekahParsons - 如果你确切地知道你有什么，你可以在提取部分 HTML 时使用正则表达式，但它很容易被破坏 - 例如想象一下：<div class="ms3">This is some text with <div class="sub">sub div</div> in the middle</div>
@UriAgassi 啊，我明白你的意思，是的，这可能很狡猾，谢天谢地，我确切地知道我需要什么，并且有不同版本的搜索来弥补不匹配的位我需要。但这是一个很好的观点，那么作为程序的一部分你会用什么来做呢？

标签： ruby regex

【解决方案1】：

您的问题从使用File.foreach('input.txt') 开始，它将结果分成几行。这意味着该模式分别与每一行匹配，因此没有一行与该模式匹配（根据定义，所有行的中间都没有\n）。

你应该有更好的运气阅读整个文本作为一个块，并在上面使用match：

File.read('input.txt').match(/<div class="ms3">(\n.*?)+<\/div>/)
# => #<MatchData "<div class=\"ms3\">\n    <span xml:lang=\"zxx\">
# => <span xml:lang=\"zxx\">Still the tone of the remainder of the chapter is bleak. The</span> 
# => <span class=\"See_In_Glossary\" xml:lang=\"zxx\">DAY OF THE 
# => <span class=\"Name_Of_God\" xml:lang=\"zxx\">LORD</span></span> 
# => <span xml:lang=\"zxx\">holds no hope for deliverance (5.16–18); 
# => the futility of offering sacrifices unmatched by common justice is once more 
# => underlined, and exile seems certain (5.21–27).</span></span>\n  </div>" 1:"\n  ">

【讨论】：