ruby - 为什么我的 Ruby 前瞻正则表达式不起作用

Question

可能重复：
正则表达式匹配打开的标签，XHTML 自包含标签除外

我在 rubular.com 中测试了我的正则表达式，它可以工作，但是当我运行代码时，它的行为会有所不同。

我想从一些 HTML 代码中解析出整个段落

这是我的正则表达式

description = ad_page.body.scan(/(?<=<span id="preview-local-desc">).+(?=<\/span>)/m)

这是一些HTML源代码

<span id="preview-local-desc"> I want to pick up everything typed here.
Paragraphs, everything.
</span>

匹配从我需要的地方开始，但随后它一直匹配到文档的末尾。

Answer 1

除了您不应该使用 regex 解析 HTML之外，您还需要非贪婪匹配：

/(?<=<span id="preview-local-desc">).+?(?=<\/span>)/m

Answer 2

如果您拥有或控制文件的格式，那么使用正则表达式解析 XML 或 HTML 对于琐碎的任务来说还可以。如果您不这样做，那么对文件的简单更改可能会破坏您的正则表达式。

使用解析器可以避免这个问题；我用Nokogiri解析了一些可怕的 XML，它甚至没有注意到。在编写了一个处理 1000 多个提要的 RSS 聚合器之后，我迷上了使用解析器。

require 'nokogiri'

html = '<span id="preview-local-desc"> I want to pick up everything typed here.
Paragraphs, everything.
</span>'

doc = Nokogiri.HTML(html)
doc.at('span').text
# => " I want to pick up everything typed here.\n    Paragraphs, everything.\n    "

如果<span>您需要多个标签：

doc.search('span').map(&:text)
# => [" I want to pick up everything typed here.\n    Paragraphs, everything.\n    "]

如果有多个<span>标签，而您只想要这个：

doc.at('span#preview-local-desc').text
# => " I want to pick up everything typed here.\n    Paragraphs, everything.\n    "