ruby - 正则表达式中的最短匹配

Question

这是我的正则表达式：

/<strong>.*ingredients.*<\/ul>/im

假设源代码：

<strong>Contest closes on Thursday May 10th 2012 at 9pm PST</strong></div>
<br />
<br />
<br />
* I am not affiliated with Blue Marble Brands or Ines Rosales Tortas in any way.&nbsp; I am not sponsored by them and did not receive any compensation to write this post...I just simply think the&nbsp;Tortas&nbsp;are wonderful!<br />
<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="http://1.bp.blogspot.com/-35J5vNrXkqE/T6htXTafrmI/AAAAAAAAA5E/g2mtiuSpSmw/s1600/food+003.JPG" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" height="480" mea="true" src="http://1.bp.blogspot.com/-35J5vNrXkqE/T6htXTafrmI/AAAAAAAAA5E/g2mtiuSpSmw/s640/food+003.JPG" width="640" /></a></div>
<br />
<strong><span style="font-size: large;">Ingredients:</span></strong><br />
<ul>
<li>Ines Rosales Rosemary and Thyme Tortas</li>
<li>Pizza Sauce (ready made in a jar)</li>
<li>Roma Tomatoes</li>
<li>Roasted Red Peppers </li>
<li>Marinated Artichoke Hearts</li>
<li>Olives (I used Pitted Spanish Manzanilla Olives)</li>
<li>Daiya Vegan Mozzarella Cheese</li>
</ul>
<span style="font-size: large;"><strong>Directions:</strong></span><br />
<br />
Spread small amount of pizza sauce over Torta. 

正则表达式是贪婪的，并从中获取所有内容，<strong>Contest...</ul>但最短的匹配应该产生<strong><span style="font-size: large;">Ingredients...</ul>

这是我的要点：https ://gist.github.com/3660370

::编辑:: 请在强标签和成分之间允许灵活性，以及​​成分和 ul。

Answer 1

尝试这个：

/<strong><span.*ingredients.*<\/ul>/im

请不要对 html 进行正则表达式处理。请改用 Nokogiri 或类似的库。

Answer 2

我想这就是你要找的：

/<strong>(?:(?!<strong>).)*ingredients.*?<\/ul>/im

将第一个替换为.*允许(?:(?!<strong>).)*它在找到之前匹配除另一个<strong>标签之外的任何内容ingredients。在那之后，非贪婪导致它在它看到.*?的第一个实例时停止匹配。</ul>（您的样本仅包含一个<UL>元素，但我假设真实数据可能包含更多元素。）

通常的警告适用：即使在完全有效的 HTML 中，也有很多方法可以欺骗这个正则表达式，更不用说我们通常在那里看到的垃圾了。

Answer 3

这应该有效：

/(?!<strong>.*<strong>.*<\/ul>)<strong>.*?ingredients.*?<\/ul>/im

在这里测试

基本上，正则表达式使用负前瞻来避免多个<strong>之前，<\ul>如下所示：(?!<strong>.*<strong>.*<\/ul>)