html之間的正則表達式字符串<br>

Question

我剛接觸正則表達式。 我想提取所有的HTML標記之間的字符串

包含一個子 例如，對於HTML如下：

<span class='mouseOverHeader'>Test TEst</span> 
<div class='mouseOverData'> 
xxx cccc ccccc<br>qqq wwww wwww<br>qqq qqq MYSUBSTRING<br><br> 
<a id="email" style="cursor:pointer" onclick=">mmmmmm</a> 
</div> 

我想提取字符串「QQQ QQQ MYSUBSTRING」 因爲它包含子我尋找「MYSUBSTRING」

非常感謝幫助

Answer 1

通常的方式來解析HTML是在構建樹（類似的東西BeautifulSoup Python，HTML::Tree in Perl）

原因是由於HTML標籤的嵌套特性以及嵌入其他語言，正則表達式經常會失敗和/或產生錯誤的輸出。我相信，這些模塊都在做它的方式是通過壓入和彈出標籤構建樹（讀括號<>）入棧和彈出出來時，他們被關閉（讀</>）

不過，若你要堅持正則表達式，可以嘗試用這樣的：

while($code =~ m/<br>(.+?)<br>/g) 
{ 
print "$1\n"; 
} 

此正則表達式將只匹配第一組，但while循環，可以使匹配，直到遇到不具有圖案的子字符串。 我強烈建議您練習一些在線可視化正則表達式匹配器，在您鍵入時突出顯示組（嘗試RegExr）。