作者m2251000 (akakaze 二兵 >)
看板RegExp
標題[討論] 一個表示式的健檢
時間Sat Apr 25 01:40:32 2015
小弟我想要抓取一個具有固定class的div裡面所有的東西
而因為網頁不同，這個div標籤裡頭也有數量不一的其他的div標籤
為了避免截斷在錯誤的結尾標籤，我的想法是將裡面的div標籤都配對
也就是每碰到一個<div>就配給一個</div>，直到碰到對的那個
再經過各種亂湊(?)實驗之後
最成功的是下面這個
/<div class="c_1"[\s\S]+?>(?:(?:<div[\s\S]+?>[\s\S]+?<\/div>)*[\s\S]+?)+?<\/div>/
雖然實驗成功了，不過還是想請問一下
這樣的寫法會有什麼不好的bug嗎？
有什麼需要改進的地方呢？
或是有更簡潔的方式達到我的需求呢？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.33.36.91
※ 文章網址: https://www.ptt.cc/bbs/RegExp/M.1429897240.A.948.html
推 mars90226: /<div class="c_1"[^>]*>[^<]*(?:<div[^>]*>[^<]*<\/di 04/25 02:02
→ mars90226: iv>)*[^<]*<\/div>/ 04/25 02:03
→ mars90226: 你用了[\s\S]+?這樣雖然對，可是每比對一個字就會繼續 04/25 02:03
→ mars90226: 往下看，要是實際上內容很長的話就會很慢 04/25 02:04
→ mars90226: 但是你已經可以知道他會一直配對到某個字之前 04/25 02:04
→ mars90226: 所以可以用[^<]*或是[^>]*來配對，這樣就會快 04/25 02:04
推 othree: HTML 無法用 regexp 正確比對，用 SAX 可能比較快 05/04 00:34