regex - 什么正则表达式可以匹配嵌套表格和表格单元格中的可识别文本？

Question

什么正则表达式可以匹配嵌套表格和表格单元格中的可识别文本？我已经尝试但未能提出一个正则表达式来提取我想要的特定表，而不是在示例中抓取两个表的开头和结尾。这是开始的事情：“ <table>.*?</table>”

<table>
    <tr>
        <td>
            <table>
                <tr><td>Code1</td></tr>
                <tr><td>some data</td></tr>
                <tr><td>etc ...</td></tr>
            </table>
        </td>
    </tr>
    <tr>
        <td>
            <table>
                <tr><td>Code2</td></tr>
                <tr><td>some data</td></tr>
                <tr><td>etc ...</td></tr>
            </table>
        </td>
    </tr>
</table>

假设我想提取包含“Code2”的表。什么正则表达式将专门匹配并且仅匹配该表？

Answer 1

我不会对此使用正则表达式，因为 HTML 不是常规的，并且没有结束的边缘情况会让您感到困惑。你最好使用 HTML 解析器。无论您使用哪种语言或平台，都会有一种可用。

Answer 2

以下正则表达式将找到您的表：

(?ms)<table>((?!<table>).)*<td>Code2</td>.*?</table>

随着(?ms)您打开“多行匹配”(m)和“点也匹配换行符” (s)。然后你有一个消极的前瞻(?!)，以确保你在比赛中没有第二次开始桌子。

Answer 3

不要使用正则表达式。使用 HTML 解析器！

但是，在 Perl 中（假设您没有嵌套表）：

$xml =~ /<table>.*<td>Code2<\/td>.*<\/table>/s;