我正在阅读 regular-expressions.info 示例以尝试了解更多正则表达式模式。
第一个示例Grabbing HTML Tags 讨论了特定 HTML 标记的开始和结束对的正则表达式。
<TAG\b[^>]*>(.*?)</TAG>
我在这里有点困惑。为什么\b[^>]*被添加到上面的正则表达式模式中，使用下面的正则表达式模式可以实现同样的事情：
<TAG>(.*?)</TAG>
为什么要使用这个额外的正则表达式模式？它对任何性能都有帮助吗？
【问题讨论】：
<a href=...> stuff </a> 之类的内容，而不是简单的 <b> stuff </b>，您的选项会起作用。\b 边界以避免匹配<attribute ...> stuff </a> 之类的内容
.*?，而不是[^<]*，因为在开始和结束标签之间可能有另一个标签（例如<b>）【讨论】：
一些开始标签具有<img src="asdf.png"> 等属性。在到达> 之前，标签不会结束，因此单词边界和非> 字符与src="asdf.png" 匹配。
【讨论】：
\b[^>]* 中
<TAG\b[^>]*>(.*?)</TAG>
允许在开放标签中有文本（例如参数：width="30"）和空格（只要它只是TAG 而不是TAGX 或其他类型——这就是@987654334 @word boundary 用于）。 html 中的语法和间距非常松散。允许额外的参数和空格总是安全的，因为单个 html 标记可以跨越多行。
后一个正则表达式
<TAG>(.*?)</TAG>
只允许开始标签是完全<TAG>，然后是“一些可能跨越多行的文本”，然后是</TAG>。
.*? 中的? 是reluctance，这意味着下一个 关闭</TAG> 是唯一可以匹配的。删除? 会将其更改为greedy，这意味着匹配搜索字符串中的最后关闭</TAG>。
【讨论】：
因为没有单词边界，它匹配的不仅仅是标签。
您可以尝试演示。只需在模式中使用和不使用 \b 即可。
<TAG\b[^>]*>(.*?)</TAG>
说明：
< 匹配 < 符号。TAG标签名称\b 匹配单词字符和非单词字符。[^>]* 匹配任何不属于> 的字符零次或多次。(.*?) 捕获开始和结束标记内的部分。? 在* 进行不情愿匹配之后。</TAG> 匹配结束标签。例如：
输入：
<a href="www.foo.com">link</a>
<ahref="www.foo.com">link</a>
正则表达式：
<a[^>]*>(.*?)<\/a>
上面的正则表达式将匹配两个链接。
正则表达式：
<a\b[^>]*>(.*?)<\/a>
但这会匹配第一个，因为a 和第一个space 字符之间存在单词边界。
【讨论】：