我試圖解析一些返回的html（從http://www.google.com/movies?near=37130）尋找當前正在播放的電影。我試圖匹配的模式看起來像：
<span dir=ltr>Clash of the Titans</span>ruby正則表達式，解析html
其中有幾個在返回的HTML。
我試圖讓電影標題的使用下面的命令的數組：
titles = listings_html.split(/(<span dir=ltr>).*(<\/span>)/)
但我沒有得到我期望的結果。任何人都可以看到我的方法或正則表達式的問題？
一般認爲Verey Bad會用RegEx解析HTML，因爲HTML沒有正則語法。見解釋鏈接列表（一些來自SO）here。
您應該使用指定的HTML庫，such as this
我沒看過你貼的整個代碼，因爲它燒了我的眼睛。
<span>.*</span>
此正則表達式匹配<span>hello</span>正確的，但在<span>hello</span><span>there</span>失敗，整個字符串匹配。請記住，*運算符是貪婪的，所以它會匹配儘可能長的字符串。你可以通過使用.*?來使它非貪婪。
但是，使用正則表達式解析HTML代碼並不明智。
1-你不能總是用正則表達式解析HTML。 HTML不規則。
2-編寫或維護正則表達式非常困難。
3-很容易通過使用像<span><a href="</span>"></a></span>這樣的輸入來打破正則表達式。
（它不會出現，你實際上張貼的樣本HTML有你想匹配的模式的任何例子。）
艾麗西亞是正確的，對HTML正則表達式通常是一個壞主意，並作爲你的要求變得更復雜，它會崩潰。
這就是說，你的榜樣是很簡單..
doc.scan(/<span dir=ltr>(.*)<\/span/) do |match|
puts match
end
如前所述，*通常是貪婪（我預計將有以考慮），但現在看來，掃描中使用時，你不會變得貪婪的行爲。我能夠在單個文檔中匹配多個這些模式。
請參閱http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 – 2010-04-03 15:34:55
此外，這個問題可能只是最糟糕的格式化問題永遠！ – 2010-04-03 15:35:28
事情是，如果我不在代碼中發佈每一個小評論，總會有人嘮叨。所以我只是想避免這種情況。 – danwoods 2010-04-03 16:13:05