regex - 正则表达式：模式中的匹配模式 - 我想我需要使用积极的 Lookbehinds？

Question

我正在尝试使用 RegEx 在模式中查找模式。具体来说，我想要做的是将 URL 捕获到引用中，并在其中搜索最后一个 = 符号之后的所有内容并捕获它。

所以给定这个字符串

<a href="http://my.domain.com/?s_cid=EM&s_ev9=CMC21892&s_ev10=EM_CMC21892_LC_stuff" style="color: #365EBF:">stuff</a>

我最初会发现

href="http://my.domain.com/?s_cid=EM&s_ev9=CMC21892&s_ev10=EM_CMC21892_LC_stuff"

使用这个正则表达式：href="(https?[^"]*)"

从那里我可以解析我正在寻找的实际字符串（在查看捕获的组时）EM_CMC21892_LC_stuff：=[^"=]*$

但是，当我尝试将两者结合起来在一个 RegEx 中完成时，我没有成功。

有什么想法吗？

Answer 1

他是对的，使用正则表达式解析 HTML 只是自找麻烦。

就是说，试试href="http[^"]+=([^"]+?)"。

Answer 2

我同意 Mark Byer 关于使用现有的 html/url 解析函数而不是正则表达式的评论（尽管您没有指定您使用的是哪种语言，所以我们无法真正帮助...）

但是，如果您坚持使用正则表达式的方式，这里有一个模式：

/href="([^"]*=([^"]*))"/

编辑添加：这是结果的样子，不确定您是否仍要捕获完整的 url 或仅捕获最后一个参数值，但此模式同时捕获：

Array
(
    [0] => Array
        (
            [0] => href="http://my.domain.com/?s_cid=EM&s_ev9=CMC21892&s_ev10=EM_CMC21892_LC_stuff"
        )

    [1] => Array
        (
            [0] => http://my.domain.com/?s_cid=EM&s_ev9=CMC21892&s_ev10=EM_CMC21892_LC_stuff
        )

    [2] => Array
        (
            [0] => EM_CMC21892_LC_stuff
        )

)