0

假设我有以下字符串：

"<aa v={<dd>sop</dd>} z={ <bb y={ <cc x={st}>ABC</cc> }></bb> }></aa>"

如何编写通用正则表达式（标签名称更改，属性名称更改）{}以<dd>sop</dd>匹配<bb y={ <cc x={st}>ABC</cc> }></bb>.

正则表达式我写了"(\s*\w*=\s*\{)\s*(<.*>)\s*(\})"比赛

"<dd>sop</dd>} z={ <bb y={ <cc x={st}>ABC</cc> }></bb>"这是不正确的。

4

2 回答 2

2

在通用正则表达式中，没有办法很好地处理嵌套。因此，当出现这样的问题时，所有的胜利 - 永远不要使用正则表达式来解析 XML/HTML。

在一些简单的情况下，它可能是有利的。如果像在您的示例中那样，嵌套级别的数量有限，您可以非常简单地为每个级别添加一个正则表达式。

现在让我们分步进行。要处理第一个未嵌套的属性，您可以使用

{[^}]*}

这匹配一个起始大括号，后跟除右大括号外的任意数量，最后是一个右大括号。为简单起见，我将把它的核心放在一个非捕获组中，比如

{(?:[^}])*}

这是因为在插入备用的时，它是必需的。

如果您现在允许除了右大括号( [^}]) 之外的任何其他内容也可以是另一个嵌套级别的大括号​​，并且只需加入第一个正则表达式，例如

{(?:{[^}]*}|[^}])*}
    ^^^^^^^    original regex inserted as alternative (to it self)

它允许一级嵌套。再次做同样的事情，加入这个正则表达式作为自身的替代，比如

{(?:{(?:{[^}]*}|[^}])*}|{[^}]*}|[^}])*}
        ^^^^^^^^^^^^^^^    previous level repeated

将允许另一个级别的嵌套。如果需要，这可以重复更多级别。

这不处理属性名称和东西的捕获，因为你的问题不是很清楚你想要什么，但它向你展示了一种处理方式（imo最容易理解，或者......：P）嵌套在正则表达式中。

您可以在 regex101 看到它处理您的示例。

问候

于 2016-05-09T11:06:37.063 回答
0

您正在尝试处理一组平衡的牙套。这需要递归正则表达式。根据定义，递归正则表达式不是规则的。无论如何，有些语言支持它们，例如 Perl、PHP、ruby。这是关于该主题的一个很好的教程。

通常，您应该使用成熟的解析器（如 yacc）来提取此类信息。

这是一个可以处理非平衡大括号的正则表达式：([ =]*)=(\{[^}]*\}). 这将匹配{<dd>sop</dd>}并且{st}是正确的。不幸的是，它也会匹配{ <bb y={ <cc x={st}，这不是您想要的。

于 2016-05-09T11:03:13.383 回答