regex - 使用正则表达式搜索 HTML 的问题

Question

我第一次尝试使用正则表达式并且遇到了一些麻烦，可能是我的语法。

这是我想查找的源文件中包含的示例字符串：

Type = Creature / Animal / Elephant

“Type =”是静态的，但是正斜杠之间的三个值可以改变。

我使用的搜索字符串是：

\bType = .*/.*/.*\b

我的搜索字符串工作正常，但是我的源文件是 HTML 并且一些字符串嵌入了 HTML 代码：

Type = Creature / Animal / Elephant&nbsp;
Type = Creature / Animal / Elephant<br />
Type = Creature / Animal / Elephant</span></span></strong>

类似的东西（它不是很好的 HTML，可能是从 Microsoft Word 复制粘贴的？）

对于我的搜索表达式，这是结果之一：

Type = Creature / Many&nbsp;Fish&nbsp;/ Tuna&nbsp; </span></span></li

我不明白为什么结果不是在 Tuna 之后的“&”或“<”处停止。

关于如何改变我的表达来处理这些变体的任何想法？

我正在使用 Microsoft VBScript 正则表达式 5.5 库在 Microsoft Excel 中使用 VBA。谢谢你。

score 1 · Accepted Answer

你的正则表达式：

.*/.*/.*\b

是消耗太多，因为.*贪吃。您可以不情愿地将它们全部匹配，但是您在此处想要的逻辑对于使其起作用有点不清楚。因此，相反，这将更精确地指定应该匹配的内容。

[^/]*/[^/]*/ \w+

而不是.*，使用[^/]*除“/”以外的任何含义，因此它将防止贪婪地消耗过去的斜杠，特别是当有斜杠时，如您的几个示例中所示。 \w+是一个空格，后跟 1 个或多个单词字符（字母、数字、下划线）。它不会消耗空格，或者&但听起来这就是意图。

确实，我怀疑对您来说更好的解决方案是根本不使用正则表达式。

1 回答 1