代码之家 › 专栏 › 技术社区 › jfs

HTML元素属性值中是否允许“>”(U+003E大于符号)?

syntax regex html

jfs · 技术社区 · 16 年前

换句话说,可以使用 /<tag[^>]*>.*?<\/tag>/ Regex匹配 tag 不包含嵌套的HTML元素 标签 元素?

例如(lt.html):

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<html>
  <head>
    <title>greater than sign in attribute value</title>
  </head>
  <body>
    <div>1</div>
    <div title=">">2</div>
  </body>
</html>

Regex:

$ perl -nE"say $1 if m~<div[^>]*>(.*?)</div>~" lt.html

和刮网器:

#!/usr/bin/env python
import sys
import BeautifulSoup

soup = BeautifulSoup.BeautifulSoup(sys.stdin)
for div in soup.findAll('div'):
    print div.string


$ python lt.py <lt.html

两者的输出相同:

1
">2

预期输出:

1
2

w3c 说:

属性值是文本的混合物和字符引用,除了附加的限制文本不能包含不明确的安培。

7 回复 | 直到 16 年前

Kornel 16 年前

< >

Jim os x nerd 16 年前

]]>

kch 16 年前

>

bmdhacks 16 年前

http://www.w3.org/International/questions/qa-escapes

Troels Thomsen 16 年前

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

Html Agility Pack

Per Hornshøj-Schierbeck 16 年前

yeah except /<tag[^>]*>.*?<\/tag>/

Steven A. Lowe 16 年前

推荐文章

DotFX · RegEx捕获关键字前但括号后的所有内容

5 月前

user66001 · 正则表达式用于匹配有引号和无引号的文本,并且不匹配任何部分

5 月前

perlchamp · 为什么这也匹配?

5 月前

con · Negative Lookaward在perl正则表达式中不起作用

6 月前

Andrus · 如何在sql中查找第二个匹配项

6 月前

iato · 确保正则表达式不从命名材料中的数字中提取

6 月前

vr8ce · 非成对标记中特定字符的正则表达式

6 月前

MARTIN · 交换第一个和最后一个单词,反转所有中间的字符

6 月前

Carsten · 使用最近的搜索模式更改文本块

7 月前

Eric Marceau · Grep:有没有一种特殊的方法可以将“无字符”作为“字符位置”匹配的置换?

7 月前