问题:我试图匹配“lol”锚点的href.
注意:我知道这可以通过perl HTML解析模块完成,而我的问题不是在perl中解析HTML.我的问题是关于正则表达式本身,HTML只是一个例子.
测试用例:我有4个测试.*?和[^“].第一个产生预期的结果.然而第三个没有,第四个只是,但我不明白为什么.
问题:
>为什么第三次测试在两个测试中都失败了.*?和[^“]?非贪婪的运算符不应该工作吗?
>为什么第四次测试在两个测试中都有效.*?和[^“]?我不明白为什么在前面包含一个.*来改变正则表达式.(第三和第四个测试除了前面的.*之外是相同的).
我可能不明白这些正则表达式是如何工作的.一个perl cookbook recipe提到的东西,但我不认为它回答了我的问题.
use strict; my $content=<<EOF; <a href="/hoh/hoh/hoh/hoh/hoh" class="hoh">hoh</a> <a href="/foo/foo/foo/foo/foo" class="foo">foo </a> <a href="/bar/bar/bar/bar/bar" class="bar">bar</a> <a href="/lol/lol/lol/lol/lol" class="lol">lol</a> <a href="/koo/koo/koo/koo/koo" class="koo">koo</a> EOF print "| $1 | \n\nThat's ok\n" if $content =~ m~href="(.*?)"~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nThat's ok\n" if $content =~ m~href="(.*?)".*>lol~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nWhy does not the 2nd non-greedy '?' work?\n" if $content =~ m~href="(.*?)".*?>lol~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nIt Now works if I put the '.*' in the front?\n" if $content =~ m~.*href="(.*?)".*?>lol~s ; print "\n###################################################\n"; print "Let's try Now with [^]"; print "\n###################################################\n\n"; print "| $1 | \n\nThat's ok\n" if $content =~ m~href="([^"]+?)"~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nThat's ok.\n" if $content =~ m~href="([^"]+?)".*>lol~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nThe 2nd greedy still doesn't work?\n" if $content =~ m~href="([^"]+?)".*?>lol~s ; print "\n---------------------------------------------------\n"; print "| $1 | \n\nNow with the '.*' in front it does.\n" if $content =~ m~.*href="([^"]+?)".*?>lol~s ;
解决方法
你似乎遇到的问题是.*?并不意味着“在这里使用最少字符的所有可能匹配中找出匹配.”它只是意味着“首先,尝试在这里匹配0个字符,然后继续匹配其余的正则表达式.如果失败,请尝试匹配1个字符.如果正则表达式的其余部分不匹配,请在此处尝试2个字符.等等. “
Perl将始终找到最接近字符串开头的匹配项.由于大多数模式都以href =开头,因此它会在字符串中找到第一个href =并查看是否有任何方法可以扩展重复以从此处开始匹配.如果它无法匹配,它将尝试从下一个href =开始,依此类推.
当你在正则表达式的开头添加一个贪婪的.*时,匹配开始于.*抓取尽可能多的字符.然后Perl回溯找到一个href =.从本质上讲,这会导致它首先尝试字符串中的最后一个href =,并朝着字符串的开头工作.
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。