代码之家 › 专栏 › 技术社区 › Daniel Sloof

regex:匹配所有不正确的标记属性

regex php

-1

Daniel Sloof · 技术社区 · 16 年前

例如输入:

<a href=“abc”something=b foo=“bar”baz=cool>
< /代码> 

我正在尝试匹配:

something=b
巴兹酷
< /代码> 

然而,我最终得到的一切只会与第一个匹配(something=b),即使使用preg_match_all。我使用的正则表达式是:

<\w+.*?(\w+=[^“^'^>]).*?gt;
< /代码> 

或:

以<开头的单词
*?#匹配属性前面的任何内容。
(
\ W+属性
=
[^“^'^>]+?#继续前进,直到找到“、”或>
)
*?#匹配属性之后的任何内容。
>关闭>
< /代码> 

我可能在做一些非常错误的事情,对于正则表达式来说是一个很新的东西。请告知!:

<>编辑:

修改后的正则表达式:

<\w+.*?\ W+=([^“\'\s>]+).*?gt;
< /代码> 



我希望它也符合zzz=aaa;)<a href="abc" something=b foo="bar" baz=cool>


我正在尝试匹配:

something=b
baz=cool


然而,我最终得到的一切只会与第一个匹配(something=b),即使使用preg_match_all。我使用的正则表达式是:

<\w+.*?(\w+=[^"|^'|^>]).*?>


或:

<\w+ # Word starting with <
.*?  # Anything that comes in front of the matching attribute.
(
\w+  # The attribute
=
[^"|^'|^>]+? # Keep going until we find a ", ' or >
)
.*? # Anything that comes after the matching attribute.
> # Closing >


我可能在做一些非常错误的事情,对于正则表达式来说是一个很新的东西。请告知!:)

编辑:

修订后的正则表达式:

<\w+.*?\w+=([^"\'\s>]+).*?>




我也希望它与ZZZ=AAA匹配;)

5 回复 | 直到 14 年前

1

3

Nate 14 年前

使用类似的库 Tidy 或 HTMLPurifier 为您修复损坏的HTML。

2

0

cHao 16 年前

对于初学者,插入符号“^”将否定整个字符类。字符类具有隐含或语句,这是字符类的要点,因此可以将类缩短为[^'“>]

至于为什么你只得到了“something=b”标签,我相信你的角色课之后就缺少了a+。

所以我修改的regexp是:

<\w+.*?(\w+=[^"'>]+?) .*?>

注意组结束后的空格

3

0

NikiC 16 年前

<\w+
(?:
  \s+
  (?:
    \w+="[^"]*"
    |(\w+=[^\s>]+)
  )
)+
\s*/?>

您可以使用分隔符和x修饰符来尝试此操作。我已经对它进行了格式化,这样它更可读。

4

0

Amarghosh 16 年前

在你的正则表达式中 <\w+.*?(\w+=[^"|^'|^>]).*?> , the \w+=[^"|^'|^>] 部分并不像你想象的那样-你在混合 character classes 和 alternation with pipe character

如果属性值可以具有以下特性,那么编写一个regex来捕获给定xmlish标记中所有格式错误的属性是很困难的 > 或 = 字符。

例如:

<a href="asd" title=This page proves that e=MC^2>

您的regex尝试在一个步骤中从整个字符串中提取所有属性-它查找 <tag 然后在后面某个地方引用了一个不带引号的属性。这样,您将只匹配一个属性,第一个属性。

您可以在一个步骤中提取左括号和右括号的内容,然后在其中查找属性。正则表达式 <\w+\s+([^>]+?)\s*> 将为您提供属性的子字符串。在该字符串中搜索未加引号的属性。如果属性是 简单的 (因为它们不包含空格),您可以使用

\w+=(?=[^"'])[^ ]+

如果它们也可以包含空格,则需要更多的前瞻性内容:

\w+=(?=[^"']).+?(?=\w+=|$)

5

0

True Soft 16 年前

如果你知道你没有 = 在标签外签名,您可以使用此regex:

(?<=\=)([^"\'\s>]+)(?=[\s>])

在这 example 它匹配所有不正确的属性

编辑:

(?<=\=)([^"\'\s/>]+)(?=[\s/?>])

这场比赛 class2 在里面 <div class=class2/> 也。