regex - 为什么这个模式只匹配第一个和最后一个

Question

草垛：

<h2 >a&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;
</h2>
<div class="indent">
aaaa
</div>
<h2 >b&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;
</h2>
<div class="indent">
bbbb
</div>

我使用的模式：

#<h2[^>]*>(a|b)(?!</h2>)[\s\S]*</h2><div class="indent">((?!</div>)[\s\S]+)</div>#

此模式仅匹配第一个 h2 内容（例如a  · · ·）和最后一个 div 中的内容（例如bbbb）

但我希望它匹配 h2 和 div 中的所有内容以制作一对一的地图（例如a  · · ·=> aaaa，b  · · ·=> bbbb），我该怎么做？

Answer 1

[\s\S]*并且[\s\S]+是贪婪的，这意味着它们将匹配尽可能多的字符。尝试将它们更改为[\s\S]*?和[\s\S]+?。

使用您当前的正则表达式，如果您将您[\s\S]*放入一个捕获组，您会看到它与以下内容匹配：

  · · ·
</h2>
<div class="indent">
aaaa
</div>
<h2 >b&nbsp; &middot;&nbsp;&middot;&nbsp;&middot;

在末尾添加?会使这变得懒惰，因此它不会匹配尽可能多的字符，而是匹配尽可能少的字符，因此它会</h2>像您想要的那样在第一个停止。相同的推理适用[\s\S]+于您的正则表达式中的后者。

看起来这应该在您的示例字符串上失败，因为您在正则表达式的中间，但是在您的示例文本中，结束和</h2><div...之间总是有一个换行符，您可能应该将此部分更改为. 最终结果：</h2><div></h2>\s*<div...

#<h2[^>]*>(a|b)(?!</h2>)[\s\S]*?</h2>\s*<div class="indent">((?!</div>)[\s\S]+?)</div>#

但是不要用正则表达式解析 HTML！