查找字符串所有出現包含HTML

Question

我有一個包含HTML類似的字符串：

s <- "...<span class=\"pull-right\">170 cm</span>... 
<span class=\"pull-right\">29</span>... 
<span class=\"pull-right\">06/24/1987</span>..." 

其中...意味着在它們之間有其它的HTML標籤。我想提取>和</span>之間的信息可以是

• 只有數字
• 數字和字符（大寫或小寫或兩者）的形式的
• 日期mm/dd/yyyy

我想出了像這樣的正則表達式：

">[0-9/]*[a-z ]*[A-Z]*</span>" 

這是正確的嗎？我如何提取感興趣的值？也就是說，給定s：

170 cm 
29 
06/24/1987 

Answer 1

你最好一個正則表達式去一個HTML解析器。但是，如果你需要一個快速和骯髒的基於正則表達式的解決方案，使用lookarounds（對於前>(?<=>)）和關閉提取一些口之間的模式（(?=</span>)用於尾隨</span>）模式：

(?<=>)[0-9/A-Za-z ]*(?=</span>) 

請注意0-9/， a-z,A-Z被合併到一個類中，否則像​​這樣的字符串將不匹配（您的原始正則表達式要求大寫字母按照小寫字母）。

的lookarounds可與perl=TRUE：

m <- gregexpr("(?<=>)[0-9A-Za-z /]*(?=</span>)", s, perl=TRUE) 
regmatches(s, m) 

演示：https://ideone.com/yvXIuP

Answer 2

這裏是匹配

170釐米

1987年6月24日

(\d{2}\/\d{2}\/\d{4})|(\d+ [A-Za-z]+)|(\d+)